1.基于大数据分析的健康监测时间预测系统，其特征在于：包括获取分析单元(1)、数据模型单元(2)、评估展示单元(3)、干预建议单元(4)；

所述获取分析单元(1)获取个体健康数据和历史个体健康数据，根据获取的个体健康数据进行数据质量的分析并判断数据采集频率不足情况，再根据获取的个体健康数据进行个体健康状况的分析；

所述获取分析单元(1)包括分析判断模块(11)、数据融合模块(12)和状况分析模块(13)；

所述分析判断模块(11)利用监测设备实时监测个体健康数据并获取个体健康数据，同时获取历史个体健康数据，将获取的个体健康数据和获取的历史个体健康数据存储在数据库中，以建立完整的存储体系，再根据获取的个体健康数据进行数据质量的分析，利用分析的数据质量与设置的标准数据质量进行数据采集频率不足的判断；

所述分析判断模块(11)中具体判断情况包括：

情况①、当分析的数据质量小于设置的标准数据质量时，说明获取的个体健康数据存在数据缺失情况，导致数据采集频率不足，将数据采集频率不足命令数据传入数据融合模块(12)中；

情况②、当分析的数据质量大于设置的标准数据质量时，说明获取的个体健康数据存在数据重复情况，并对获取的个体健康数据进行去重操作，将去重的个体健康数据传入状况分析模块(13)中；

情况③、当分析的数据质量与设置的标准数据质量一致时，说明获取的个体健康数据不存在数据缺失和数据重复情况，将不存在数据缺失和数据重复命令数据传入状况分析模块(13)中；

历史个体健康数据包括环境数据、生活习惯、遗传因素、社交数据和医疗记录；

所述数据融合模块(12)用于接收分析判断模块(11)中数据采集频率不足命令数据，数据融合模块(12)从分析判断模块(11)中的数据库提取个体健康数据和历史个体健康数据，将个体健康数据和历史个体健康数据进行多源数据的融合；

所述状况分析模块(13)用于接收分析判断模块(11)中不存在数据缺失和数据重复命令数据或去重的个体健康数据或数据融合模块(12)中融合的多源数据，当接收到不存在数据缺失和数据重复命令数据时，状况分析模块(13)从分析判断模块(11)中的数据库提取个体健康数据，并利用大数据分析中的K‑means对提取的个体健康数据或融合的多源数据或去重的个体健康数据进行个体健康状况的分析；

所述状况分析模块(13)中利用K‑means对提取的个体健康数据或融合的多源数据或去重的个体健康数据进行分析个体健康状况的实现步骤：步骤①、首先收集提取的个体健康数据GTjk或融合的多源数据DYsj或去重的个体健康数据QCjk，再从提取的个体健康数据GTjk或融合的多源数据DYsj或去重的个体健康数据QCjk中获取特征Tz；

特征Tz包括生理指标特征数据SLzb、运动特征数据YDtz、睡眠特征数据SMtz、饮食习惯特征数据YSxg和体重特征数据TZtz；

步骤②、根据生理指标特征数据SLzb、运动特征数据YDtz、睡眠特征数据SMtz、饮食习惯特征数据YSxg和体重特征数据TZtz找出与个体健康状况相关性较高的特征Tz；

步骤③、根据与个体健康状况相关性较高的特征Tz确定K值，选择K值作为初始聚类中心JLzx，依次得出与个体健康状况相关性较高的特征Tz到各个聚类中心JLzx的距离，将与个体健康状况相关性较高的特征Tz分配给距离最近的聚类中心JLzx，更新聚类中心JLzx的位置，直到达到收敛条件为止并得出聚类簇JLc；

步骤④、根据聚类簇JLc的特征结合领域知识LYzs和经验Jy并对每个簇c进行解释，解释每个簇c代表的个体健康状况并得出分析的个体健康状况数据FXjk；

所述数据模型单元(2)用于接收获取分析单元(1)中的数据，数据模型单元(2)从分析判断模块(11)中获取个体健康数据和历史个体健康数据并建立时间预测模型和更新时间预测模型；

所述数据模型单元(2)用于接收状况分析模块(13)分析的个体健康状况数据和分析判断模块(11)中数据采集频率不足命令数据，数据模型单元(2)从分析判断模块(11)中的数据库中提取个体健康数据和历史个体健康数据，数据模型单元(2)利用时间序列分析根据分析的个体健康状况数据、提取的个体健康数据和提取的历史个体健康数据建立时间预测模型，预测模型用于收集个体生活习惯、遗传因素、环境影响数据，当接收到数据采集频率不足命令数据时，数据模型单元(2)从分析判断模块(11)中的数据库中提取最近阶段的个体生活习惯、遗传因素、环境影响数据进行时间预测模型的更新；

利用时间序列分析建立时间预测模型的实现步骤：

步骤一、首先收集分析的个体健康状况数据FXjk、提取的个体健康数据GTjk和提取的历史个体健康数据LSjk，并绘制分析的个体健康状况数据FXjk、提取的个体健康数据GTjk和提取的历史个体健康数据LSjk随时间变化的时序图SXt；

步骤二、通过绘制的时序图SXt检测分析的个体健康状况数据FXjk、提取的个体健康数据GTjk和提取的历史个体健康数据LSjk是否存在自相关性，观察某一时间点的分析的个体健康状况数据FXjk、提取的个体健康数据GTjk和提取的历史个体健康数据LSjk值是否与前期时间点相关；

步骤三、通过观察时序图SXt中的数据是否呈现明显的上升或下降趋势并得出观察的趋势GCqs，再根据时序图SXt进行季节性分解分析并获得季节性特征JJXtz，根据观察的趋势GCqs和季节性特征JJXtz对分析的个体健康状况数据FXjk、提取的个体健康数据GTjk和提取的历史个体健康数据LSjk进行拟合和建模并得出建立的时间预测模型SJmx；

提取最近阶段的个体生活习惯、遗传因素、环境影响数据进行时间预测模型的更新的实现步骤：

步骤①、首先接收到数据采集频率不足命令数据PLbz时，时间预测模型SJmx从数据库SJk中提取最近阶段的个体生活习惯SHxg、遗传因素YCys、环境影响HJyx数据；

步骤②、将最近阶段的个体生活习惯SHxg、遗传因素YCys、环境影响HJyx数据按照70％训练集XLj和30％验证集YZj划分，再将时间预测模型SJmx应用于训练数据集XLsjj，再对时间预测模型SJmx与训练个体生活习惯SHxg、遗传因素YCys、环境影响HJyx数据中的特征进行匹配，并生成预测结果YCjg；

步骤③、将时间预测模型SJmx生成的预测结果YCjg与训练数据集XLsjj中的实际观测值SJgcz进行比较，比较时间预测模型SJmx输出和实际观测值SJgcz，并观察时间预测模型SJmx在训练数据上的拟合程度；

步骤④、根据时间预测模型SJmx输出与实际观测值SJgcz之间的差异进行调整时间预测模型SJmx的参数，在调整时间预测模型SJmx参数后，重新应用时间预测模型SJmx于训练数据，并进行新一轮的时间预测模型SJmx输出与实际观测值比较，这个过程通常是一个迭代的过程，直到时间预测模型SJmx的性能达到满意的水平为止，说明时间预测模型SJmx更新完成；

所述评估展示单元(3)用于接收数据模型单元(2)中建立的时间预测模型和获取分析单元(1)中分析的个体健康状况数据并进行个体健康指标的评估，再对评估的个体健康指标数据向外界进行展示；

所述干预建议单元(4)用于接收数据模型单元(2)中的数据并从分析判断模块(11)中获取历史个体健康数据，并根据数据模型单元(2)中的数据和获取的历史个体健康数据进行生活方式的干预建议。

2.根据权利要求1所述的大数据分析的健康监测时间预测系统，其特征在于：所述评估展示单元(3)包括指标评估模块(31)和数据展示模块(32)；

所述指标评估模块(31)用于接收数据模型单元(2)中建立的时间预测模型和状况分析模块(13)中分析的个体健康状况数据，并根据建立的时间预测模型和分析的个体健康状况数据进行个体健康指标的评估，得出评估的个体健康指标数据，评估的个体健康指标数据用于评估身体质量指数和心血管健康指标数据；

所述数据展示模块(32)用于接收指标评估模块(31)中评估的个体健康指标数据并向外界进行展示。

3.根据权利要求2所述的大数据分析的健康监测时间预测系统，其特征在于：所述数据模型单元(2)接收指标评估模块(31)中评估的个体健康指标数据，更新的时间预测模型对评估的个体健康指标数据和提取的历史个体健康数据进行疾病风险的预测，预测个体未来患心血管疾病、糖尿病、癌症的情况，获得预测的疾病风险数据。

4.根据权利要求3所述的大数据分析的健康监测时间预测系统，其特征在于：所述干预建议单元(4)用于接收数据模型单元(2)中预测的疾病风险数据，干预建议单元(4)从分析判断模块(11)中的数据库中提取历史个体健康数据，并根据预测的疾病风险数据和提取的历史个体健康数据中的环境数据、生活习惯、遗传因素和医疗记录数据进行生活方式的干预建议。