人体动态平衡障碍是一种常见于中老年人群的疾病。平衡能力的下降严重影响着中老年患者的日常生活、心理健康。同时由于中老年人体动态平衡能力的下降,老年人相比于年轻人更容易跌倒受伤甚至是死亡。特别在全球老龄化严重的今天,中老年人体动态平衡疾病所带来的各种社会问题进一步被放大,严重制约着社会等发展。因此如何实现中老年运动平衡疾病的早期筛查、早期治疗便成为了一项非常值得研究的课题。本文以中老年人体动态平衡测量(评估)方法为研究对象。对收集到的17000多条中老年人体动态平衡体检数据进行数据挖掘,构建出了两种全新的基于机器学习的中老年人体动态平衡评估模型,并且经过实验验证,训练出的两个模型能够有效的应用于中老年人体动态平衡疾病的早期筛查与治疗。本文的研究内容主要包括以下两个方面:第一,通过对17000多条中老年人体动态平衡体检数据的分析以及挖掘,利用RFR-RFE、GBDTR算法构建出了基于回归的中老年人体动态平衡评估模型。该模型仅仅只需要测量人体双足闭眼站立和单足闭眼站立动作的14指标就能够达到预测中老年人体动态平衡的能力,其准确度达到了临床要求。相较于传统的方法,该方法测量时间更短、测量指标更少,能够很好的应用于人体动态平衡疾病的早期筛查工作。第二,基于测量动作间关联性的假设,将原始数据中的48维测量指标按照动作进行组合,并提出了基于LSTM的多层神经网络分类模型,用于进行中老年人体动态平衡能力的评估。并通过多种评估指标对分类模型进行了量化评估,实验结果验证了假设的有效性以及网络模型的合理性与有效性。