糖尿病已经成为影响人类健康的重要疾病之一。长期的糖尿病会引起一系列的并发症，甚至会带来生命危险。因此如何及时预测血糖，有效控制血糖波动，将成为糖尿病治疗的主要任务。控制血糖虽然能够预防或延缓并发症的发生，但发生低血糖的风险也随之增加。低血糖会引起脑细胞损伤，甚至昏迷和死亡。因此，及时发现无症状低血糖，有助于有效治疗糖尿病。现有的预测策略主要分为两个方向：一种基于生理模型的预测。另一种是基于数据的预测。由于人体生理机制比较复杂，影响血糖的因素很多，很难建立精准的预测模型。而基于数据的血糖预测模型，它是完全基于历史血糖数据，但是预测的精准性以及普适性都有待提高。本文在基于数据的预测基础上，根据血糖数据的特征提出了一种新的预测算法即自适应血糖预测算法。它是基于Kalman滤波和自回归模型的一个改进算法。利用卡尔曼滤波对血糖数据进行降噪，结合历史血糖数据及饮食、运动等事件的时间信息，针对血糖信号的非平稳特征，利用自适应遗忘因子（开关变量）AR模型预测未来血糖。然后，基于自适应血糖预测模型提出了低血糖预警技术。详细记录患者睡眠、运动的时间点，依据患者是否处于睡眠或运动的状态，设定不同的阈值（100mg/dl、80mg/dl和90mg/dl、70mg/dl）。最后，通过50例糖尿病患者的血糖数据进行验证，选择用RMSE和SSGPE作为预测效果的指标，证明该算法可以提前30分钟血糖预测，并且比Kalman滤波预测及单纯的AR模型预测具有更高的准确性。选择用灵敏度(Sens)，假阳性率(FPR)两个指标评估低血糖预警系统。它可以及时发现低血糖，为医生及患者采取下一步措施提供了依据。