申请/专利权人：南京安元科技有限公司;启业云大数据(南京)有限公司

申请日：2022-05-09

公开（公告）日：2022-09-16

公开（公告）号：CN114580798B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/08;G16Y40/10

优先权：

专利状态码：有效-授权

法律状态：2022.09.16#授权;2022.06.21#实质审查的生效;2022.06.03#公开

摘要：本发明公开了一种基于transformer的设备点位预测方法及系统，将人工操作时刻及之前某段时间的点位数据作为模型一输入，将模型一输入模拟成问句经过分词处理后映射的向量空间，人工操作之后的某段时间的点位数据模拟成回复句经过分词处理后映射的向量空间；将模型一输入作为seq2seq模型中第一编码器Encoder的输入，人工操作之后的某段时间的点位数据作为seq2seq模型中第一解码器Decoder的输出，由此构建一个类seq2seq模型。本发明能提前预测到某点位在人员操作后的点位数据变动情况，可以判断出人员操作对各测量点位的影响，从而调整可调点位的数值。

主权项：1.一种基于transformer的设备点位预测方法，其特征在于，包括对有人为操作时设备点位的变动情况的预测和对无人为操作时设备点位的变动情况的预测，对有人为操作时设备点位的变动情况的预测包括以下步骤：步骤1，设监测设备一共包含个测量点位和个人工调节点位，将人工操作时刻及之前某段时间的点位数据作为模型一输入，则模型一输入为： 其中，表示模型一输入，表示测量点位个数，表示人工调节点位个数，表示第m个时刻个点位的监测值，表示维的实数向量空间；如果为测量点位的时间序列，则： 如果为人工调节点位的时间序列，则： 人工操作之后的某段时间的点位数据作为： 其中，表示第i个点位，表示第i个点位时间序列的第m个值，表示调节前的值，表示调节后的值，表示人工操作之后的某段时间的点位数据，表示n维点位时间序列的第n个值，表示维的实数向量空间；步骤2，将模型一输入模拟成问句经过分词处理后映射的向量空间，人工操作之后的某段时间的点位数据模拟成回复句经过分词处理后映射的向量空间；将模型一输入作为seq2seq模型中第一编码器Encoder的输入，人工操作之后的某段时间的点位数据作为seq2seq模型中第一解码器Decoder的输出，由此构建一个类seq2seq模型；步骤3，采集包含个测量点位和个人工调节点位的监测设备的采样数据，将个测量点位和个人工调节点位的监测设备的采样数据及人工操作之后的某段时间的点位数据作为训练样本一，将训练样本一输入到步骤2得到的类seq2seq模型中，对类seq2seq模型进行训练，得到训练好的类seq2seq模型；步骤4，预测时，采集个测量点位的监测设备的采样数据，作为待预测样本，将待预测样本输入到训练好的类seq2seq模型中，得到个测量点位人工操作后的变化趋势进行预测；对无人为操作时设备点位的变动情况的预测，无人为操作时设备点位的变动情况的预测包括以下步骤：步骤Ⅰ，采集个测量点位在已经发生的某个时间段到的采样数据，将个测量点位在已经发生的某个时间段到的采样数据作为模型二输入，则模型二输入为： 其中，表示模型二输入，表示采样数据的开始监测时间，表示采样数据的结束监测时间，表示第m个时刻的测量点位数据，即由N个测量点位组成的N维向量，表示维的实数向量空间，表示测量点位个数，表示到时刻的有效样本数量；模型二输出为： 其中，表示N个测量点位在时间段到的点位数据预测，表示第m+n个时刻N个点位的预测结果，表示维的实数向量空间；步骤Ⅱ，将模型二输入作为Informer模型输入，N个测量点位在时间段到的点位数据预测作为Informer模型输出，由此构建一个Informer模型；步骤Ⅲ，采集个测量点位在已经发生的某个时间段到的采样数据，将个测量点位在已经发生的某个时间段到的采样数据及N个测量点位在时间段到的点位数据预测作为训练样本二，将训练样本二输入对Informer模型进行训练，得到训练好的Informer模型；步骤Ⅳ，采集个测量点位在已经发生的某个时间段到的采样数据作为预测样本二，将预测样本二输入到训练好的Informer模型中，得到N个测量点位在时间段到的点位数据预测。

全文数据：

权利要求：

百度查询： 南京安元科技有限公司;启业云大数据(南京)有限公司 一种基于transformer的设备点位预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD