申请/专利权人:山东能源数智云科技有限公司
申请日:2024-03-07
公开(公告)日:2024-04-09
公开(公告)号:CN117851921A
主分类号:G06F18/2415
分类号:G06F18/2415;G06F18/213;G06F18/25;G06F18/26;G06N3/096;G06N3/0455;G06N3/0475;G06N3/094
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明提供一种基于迁移学习的设备寿命预测方法及装置,涉及数据处理技术领域,通过获取目标设备的设备运行数据,由预先构建的寿命区间预测模型输出对应的初始分类结果和设备运行数据对应的主题特征;将主题特征和初始分类结果进行融合,得到目标设备对应的寿命预测结果以对目标设备的寿命区间进行预测。基于此,能够提高模型在处理复杂数据时的性能。寿命区间预测模型基于分类器构建,该分类器在大规模数据处理时能够提高提高计算效率。训练样本集通过特征提取模型进行特征提取,并通过降维模型进行降维,能够为分类任务提供更加有效的特征表示,充分挖掘样本的潜在特征。
主权项:1.一种基于迁移学习的设备寿命预测方法,其特征在于,所述方法包括:获取目标设备的设备运行数据;其中,所述设备运行数据包括所述目标设备在预设运行环境下的多种设备参数和运行指标;将所述设备运行数据输入至预先构建的寿命区间预测模型中,输出初始分类结果,以及所述设备运行数据对应的主题特征;所述寿命区间预测模型基于预先训练好的分类器和潜在狄利克雷分配模型构建;且,用于训练所述分类器的训练样本集通过预先构建的特征提取模型进行特征提取,并通过预先构建的降维模型进行降维;所述分类器基于流形学习的极限学习机算法进行训练;所述基于流形学习的极限学习机算法通过对极限学习机算法的隐层特征施加基于邻近性的正则化项,从而对极限学习机的输出层权重进行优化;将所述主题特征和所述初始分类结果进行融合,得到所述目标设备对应的寿命预测结果;根据所述寿命预测结果对所述目标设备的寿命区间进行预测。
全文数据:
权利要求:
百度查询: 山东能源数智云科技有限公司 基于迁移学习的设备寿命预测方法及装置
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。