[发明专利]一种数据处理方法及装置

权利要求书

1.一种模型训练方法，所述方法包括：

获取历史工况数据和历史产出数据；

对所述历史工况数据进行处理得到至少一种生产条件下的模拟工况数据；

根据所述模拟工况数据和预先建立的生产机理模型获取模拟产出数据；

根据所述模拟工况数据和所述模拟产出数据得到第一训练数据；

使用所述第一训练数据对预先建立的第一产出预测模型进行训练得到第二产出预测模型。

2.根据权利要求1所述的方法，对所述历史工况数据进行处理得到至少一种生产条件下的模拟工况数据，包括：

获取所述历史工况数据所包含的工况指标；

获取所述工况指标的合法取值范围，并从所述合法取值范围内确定至少一个合法值；

逐一使用所述至少一个合法值中的每一合法值替换所述历史工况数据中所述工况指标的值得到模拟工况数据。

3.根据权利要求1所述的方法，在所述根据所述模拟工况数据和预先建立的生产机理模型获取模拟产出数据之前，所述方法还包括：

建立所述机理模型。

4.根据权利要求1所述的方法，所述第一产出预测模型是针对所述至少一种生产条件的、通用的产出预测模型，

相应地，在使用所述模拟工况数据和模拟产出数据对预先建立的第一产出预测模型进行训练之前，所述方法还包括：

建立神经网络模型并确定所述神经网络模型的网络结构、网络层数、激活函数、神经元数量和初始参数得到第一产出预测模型。

5.根据权利要求4所述的方法，在所述得到第一产出预测模型之后，所述方法还包括：

根据所述历史工况数据和所述历史产出数据得到第二训练数据；

使用所述第二训练数据对所述第一产出预测模型进行训练得到第三产出预测模型，并将所述第三产出预测模型重新设置为第一产出预测模型。

6.根据权利要求1所述的方法，所述第一产出预测模型是针对历史生产条件的、已有的产出预测模型。

7.根据权利要求1所述的方法，在所述得到第二产出预测模型之后，所述方法还包括：

获取实际生产所产生的增量工况数据和增量产出数据；

根据所述增量工况数据和所述增量产出数据得到第三训练数据；

使用所述第三训练数据对所述第二产出预测模型进行增量训练得到第四产出预测模型，并将所述第四产出预测模型重新设置为第二产出预测模型，以继续用于实际产出预测形成闭环。

8.一种数据处理方法，所述方法包括：

获取工况数据；

使用权利要求1所述的模型训练方法训练得到的所述第二产出预测模型，对所述工况数据进行产出预测。

9.一种模型训练装置，所述装置包括：

历史数据获取模块，用于获取历史工况数据和历史产出数据；

模拟工况数据获取模块，用于对所述历史工况数据进行处理得到至少一种生产条件下的模拟工况数据；

模拟产出数据获取模块，用于根据所述模拟工况数据和预先建立的生产机理模型获取模拟产出数据；

第一训练数据获取模块，用于根据所述模拟工况数据和所述模拟产出数据得到第一训练数据；

第一模型训练模块，用于使用所述第一训练数据对预先建立的第一产出预测模型进行训练得到第二产出预测模型。

10.一种数据处理方法装置，所述装置包括：

工况数据获取模块，用于获取工况数据；

产出预测模块，用于使用权利要求1所述的模型训练方法训练得到的所述第二产出预测模型，对所述工况数据进行产出预测。