通过编程推算身高主要依赖于数学模型和算法。以下是一些常见的方法：
基于父母身高的预测公式
男孩：未来身高 = （爸爸的身高 + 妈妈的身高 + 13） / 2
女孩：未来身高 = （爸爸的身高 + 妈妈的身高 - 13） / 2
这个方法假设身高主要受遗传因素影响，并且通过简单的数学公式来预测孩子的身高。
线性回归模型
收集一系列与身高相关的数据，包括年龄、性别、遗传因素等。
使用数学模型（如线性回归）来拟合这些数据，从而预测新的身高数据。
这种方法考虑了多种影响因素，能够提供更全面的预测。
决策树模型或支持向量机模型
同样需要收集身高及相关数据。
使用决策树或支持向量机等机器学习算法来训练模型，并根据测试集评估模型性能。
通过优化模型参数，可以提高预测的准确性。
考虑其他影响因素的公式
例如，有些公式会考虑体育锻炼和饮食习惯对身高的影响：
男性成年时身高 = （父亲身高 + 母亲身高） × 0.18 ÷ 2
女性成年时身高 = （父亲身高 × 0.923 + 母亲身高） ÷ 2
如果喜爱体育锻炼，则增加身高2%；如果有良好的卫生饮食习惯，则增加身高1.5%。
建议
选择合适的方法：根据具体需求和数据情况选择合适的预测方法。如果数据量较大且影响因素较多，可以考虑使用机器学习模型。如果数据量较小且影响因素较为简单，可以使用基于父母身高的预测公式。
数据预处理：确保数据的准确性和完整性，进行数据清洗、缺失值处理和异常值处理。
模型评估：使用适当的评估指标（如均方误差或平均绝对误差）来评估模型的性能，并根据评估结果进行优化。
通过这些方法，你可以使用编程来推算身高，并根据实际情况选择最合适的方法来提高预测的准确性。