[發明專利]一種數據處理方法及裝置

在審

• 申請號: 202011164694.4
• 申請日: 2020-10-27
• 公開（公告）號: CN112418484A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 唐建權;楊帆;金繼民
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G06N3/04;G06N3/08
• 代理公司: 北京樂知新創知識產權代理事務所(普通合伙) 11734
• 代理人: 周偉

1.一種模型訓練方法，所述方法包括：

獲取歷史工況數據和歷史產出數據；

對所述歷史工況數據進行處理得到至少一種生產條件下的模擬工況數據；

根據所述模擬工況數據和預先建立的生產機理模型獲取模擬產出數據；

根據所述模擬工況數據和所述模擬產出數據得到第一訓練數據；

使用所述第一訓練數據對預先建立的第一產出預測模型進行訓練得到第二產出預測模型。

2.根據權利要求1所述的方法，對所述歷史工況數據進行處理得到至少一種生產條件下的模擬工況數據，包括：

獲取所述歷史工況數據所包含的工況指標；

獲取所述工況指標的合法取值范圍，并從所述合法取值范圍內確定至少一個合法值；

逐一使用所述至少一個合法值中的每一合法值替換所述歷史工況數據中所述工況指標的值得到模擬工況數據。

3.根據權利要求1所述的方法，在所述根據所述模擬工況數據和預先建立的生產機理模型獲取模擬產出數據之前，所述方法還包括：

建立所述機理模型。

4.根據權利要求1所述的方法，所述第一產出預測模型是針對所述至少一種生產條件的、通用的產出預測模型，

相應地，在使用所述模擬工況數據和模擬產出數據對預先建立的第一產出預測模型進行訓練之前，所述方法還包括：

建立神經網絡模型并確定所述神經網絡模型的網絡結構、網絡層數、激活函數、神經元數量和初始參數得到第一產出預測模型。

5.根據權利要求4所述的方法，在所述得到第一產出預測模型之后，所述方法還包括：

根據所述歷史工況數據和所述歷史產出數據得到第二訓練數據；

使用所述第二訓練數據對所述第一產出預測模型進行訓練得到第三產出預測模型，并將所述第三產出預測模型重新設置為第一產出預測模型。

6.根據權利要求1所述的方法，所述第一產出預測模型是針對歷史生產條件的、已有的產出預測模型。

7.根據權利要求1所述的方法，在所述得到第二產出預測模型之后，所述方法還包括：

獲取實際生產所產生的增量工況數據和增量產出數據；

根據所述增量工況數據和所述增量產出數據得到第三訓練數據；

使用所述第三訓練數據對所述第二產出預測模型進行增量訓練得到第四產出預測模型，并將所述第四產出預測模型重新設置為第二產出預測模型，以繼續用于實際產出預測形成閉環。

8.一種數據處理方法，所述方法包括：

獲取工況數據；

使用權利要求1所述的模型訓練方法訓練得到的所述第二產出預測模型，對所述工況數據進行產出預測。

9.一種模型訓練裝置，所述裝置包括：

歷史數據獲取模塊，用于獲取歷史工況數據和歷史產出數據；

模擬工況數據獲取模塊，用于對所述歷史工況數據進行處理得到至少一種生產條件下的模擬工況數據；

模擬產出數據獲取模塊，用于根據所述模擬工況數據和預先建立的生產機理模型獲取模擬產出數據；

第一訓練數據獲取模塊，用于根據所述模擬工況數據和所述模擬產出數據得到第一訓練數據；

第一模型訓練模塊，用于使用所述第一訓練數據對預先建立的第一產出預測模型進行訓練得到第二產出預測模型。

10.一種數據處理方法裝置，所述裝置包括：

工況數據獲取模塊，用于獲取工況數據；

產出預測模塊，用于使用權利要求1所述的模型訓練方法訓練得到的所述第二產出預測模型，對所述工況數據進行產出預測。