[發明專利]預測模型的訓練方法、裝置、設備和存儲介質

在審

• 申請號: 202110424701.8
• 申請日: 2021-04-20
• 公開（公告）號: CN113762501A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 易修文;段哲文
• 申請（專利權）人: 京東城市（北京）數字科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06Q10/04
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 王萌

本發明提出一種預測模型的訓練方法和裝置、設備和存儲介質，其中，方法包括：獲取多個源域數據；其中，多個源域數據包括源標簽；將多個源域數據輸入神經網絡進行訓練，獲取第一預測結果，根據第一預測結果和源標簽調整神經網絡的網絡參數，以生成預訓練模型；獲取目標域數據，其中，目標域數據包括目標標簽；將目標域數據輸入預訓練模型進行訓練，獲取第二預測結果，根據第二預測結果和目標標簽調整預訓練模型的網絡參數，以生成目標域的預測模型。由此，通過源域的數據進行預訓練獲取預訓練模型，并通過目標域的數據對預訓練模型的參數進行微調，生成預測模型以實現數據量很少的情況下也能夠準確預測。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種預測模型的訓練方法、裝置、設備和存儲介質。

背景技術

通常，室內溫度的預測對于區域供熱系統預測控制是十分重要的，一方面可以將室內溫度維持到一個人體舒適的范圍，另一方面可以減少供熱溫度波動，降低熱損耗，從而達到節能減排的目的。

相關技術中，室內溫度的預測方法對于時間序列預測依賴于充足的訓練數據，而現實生活中，對于新建成的小區，傳感器數據往往是很少的，這就會導致訓練過擬合的問題，從而對于未來的預測性能下降。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

本發明提出一種預測模型的訓練方法、裝置、設備和存儲介質，解決了新建成小區，在數據量很少的情況下，如何保證準確預測的問題，實現通過源域的數據進行預訓練獲取預訓練模型，并通過目標域的數據對預訓練模型的參數進行微調，生成預測模型以實現數據量很少的情況下也能夠準確預測。

本發明第一方面實施例提出了一種預測模型的訓練方法，包括：

獲取多個源域數據；其中，所述多個源域數據包括源標簽；

將所述多個源域數據輸入神經網絡進行訓練，獲取第一預測結果，根據所述第一預測結果和所述源標簽調整所述神經網絡的網絡參數，以生成預訓練模型；

獲取目標域數據，其中，所述目標域數據包括目標標簽；

將所述目標域數據輸入所述預訓練模型進行訓練，獲取第二預測結果，根據所述第二預測結果和所述目標標簽調整所述預訓練模型的網絡參數，以生成目標域的預測模型。

本發明實施例的預測模型的訓練方法，通過獲取多個源域數據；其中，多個源域數據包括源標簽；將多個源域數據輸入神經網絡進行訓練，獲取第一預測結果，根據第一預測結果和源標簽調整神經網絡的網絡參數，以生成預訓練模型；獲取目標域數據，其中，目標域數據包括目標標簽；將目標域數據輸入預訓練模型進行訓練，獲取第二預測結果，根據第二預測結果和目標標簽調整預訓練模型的網絡參數，以生成目標域的預測模型。由此，通過源域的數據進行預訓練獲取預訓練模型，并通過目標域的數據對預訓練模型的參數進行微調，生成預測模型以實現數據量很少的情況下也能夠準確預測。

本發明第二方面實施例提出了一種預測模型的訓練裝置，包括：

第一獲取模塊，用于獲取多個源域數據；其中，所述多個源域數據包括源標簽；

第一訓練模塊，用于將所述多個源域數據輸入神經網絡進行訓練，獲取第一預測結果；

第一生成模塊，用于根據所述第一預測結果和所述源標簽調整所述神經網絡的網絡參數，以生成預訓練模型；

第二獲取模塊，用于獲取目標域數據，其中，所述目標域數據包括目標標簽；

第二訓練模塊，用于將所述目標域數據輸入所述預訓練模型進行訓練，獲取第二預測結果；

第二生成模塊，用于根據所述第二預測結果和所述目標標簽調整所述預訓練模型的網絡參數，以生成目標域的預測模型。