1.一种青少年儿童身高生长曲线的预测方法，包括以下步骤：步骤1：个人和地区青少年儿童数据预处理，具体包括：

11)剔除人群中的异常数据，计算各个年龄的标准差；

12)最小二乘法拟合各个年龄0SD的身高数据，得到平均生长曲线方程Height＝H(x)，H为身高，x为年龄；

13)通过个人的年龄、骨龄、身高和体重数据，计算个人的BMI、年龄骨龄差以及和世界卫生组织公布的每个年龄段标准BMI的差值；

步骤2：训练终身高预测模型，具体包括：

21)选取有回访成年终身高的数据；筛选出年龄、骨龄、身高和体重信息，身高与年龄和BMI存在强相关性；将每个人的年龄、骨龄、身高、体重、BMI和与标准BMI差值信息和成年终身高一一对应起来，完成训练集和测试集的制作；

22)搭建多层感知机，确定输入层的神经元个数、隐藏层的神经元个数、输出层神经元个数；

23)构建损失函数；自定义的损失函数公式如(1‑1)所示；

其中Yi表示期望网络输出的结果，Yi′表示实际网络输出的结果；

24)将年龄、骨龄、身高、体重、BMI和与标准BMI差值信息作为输入信号，输入多层感知机，通过前向传播从输入层到隐藏层，最后到达输出层，在输出端的得到输出信号，即成年终身高；对误差进行反向传播，对神经元之间的连接权值进行更新，权值更新公式如下：其中ωij为输入层的第i个神经元与隐藏层的第j个神经元间的权值，Ep为误差信号，η为学习率；

25)通过不断更新权值，持续进行男生训练学习、女生训练学习，验证模型可靠性，最终得到成年终身高预测网络模型，保存网络模型；

步骤3：个人生长曲线计算，具体包括：

31)在平均生长曲线H(x)中加入参数α,β,γ，公式如(1‑3)所示：Height＝H(αx +β)+γ (1‑3)

32)加载步骤2中保存的终身高预测网络模型，输入年龄、骨龄、身高、体重、BMI和与标准BMI差值信息，得到对应的终身高Heightfinal；

33)通过最小二乘法，解出以下(1‑4)方程组中的α,β,γ 的值，其中xcurrent和Heightcurrent分别为当前的年龄和身高；

34)将α,β,γ的值代回曲线方程即得到适合个人的身高生长曲线。

2.如权利要求1所述的青少年儿童身高生长曲线的预测方法，其特征在于：步骤22)搭建多层感知机，输入层的神经元个数为7，隐藏层的神经元个数为100，输出层神经元个数为

1。

3.如权利要求1所述的青少年儿童身高生长曲线的预测方法，其特征在于：步骤25)中男生训练学习46000次，女生训练48500次。