[发明专利]一种基于特征筛选和注意力机制的制造装备价格预测方法

说明书

本发明公开了一种基于特征筛选和注意力机制的制造装备价格预测方法，包括（1）进行装备价格数据集的特征筛选；（2）构建基于注意力机制的价格预测模型；（3）训练价格预测模型；（4）使用训练好的价格预测模型进行制造装备的价格预测。通过使用基于决策树生成算法的特征筛选方法，提升了特征点对待预测值的表征效果；通过三个独立的神经网络并行采集输入数据不同维度的特征信息，多角度、多维度地进行数据挖掘；通过注意力机制最大限度地综合每个神经网络所采集到的最有价值的特征数据，提高最终预测结果的准确性。

技术领域

本发明涉及制造装备企业的价格预测技术领域，具体是一种基于特征筛选和注意力机制的制造装备价格预测方法。

背景技术

装备制造业是国民经济发展的根本，是为各行业进行生产和扩大再生产提供技术装备的产业，同时也是国家综合国力的重要标志，其具有技术密集、工业附加值高、成长空间大、资本密集和带动其他产业发展能力强等特点。制造装备则是装备制造业的核心，其以激光装备、智能数控机床等装备为代表，集成和融合了先进制造技术、信息技术和智能技术，是高端装备制造领域中的重点方向。其中，价格因素成为影响制造装备企业销售和发展的关键，在如今制造业转型升级的背景下，许多制造企业依托云ERP系统追踪制造装备全生命周期数据，而如何正确利用与挖掘制造装备相关数据中的有效信息成为科学定价的关键因素，也是当前制造装备价格预测方法中的难点问题。

制造装备作为装备制造业的核心，已广泛应用于工业生产、医疗卫生、通信、科研等领域，随着制造装备的智能化及核心技术的革新，对下游应用领域及产业链的传统生产方式产生了颠覆性的变革，如新能源汽车、PCB、电路加工、电子产品制造等细分行业。在制造装备的整个产业链中，下游细分行业由于市场的需求以及在技术升级背景下行业平均生产成本的降低，倒逼企业必须对自身制造装备进行及时的更新换代，因此制造装备的市场需求处于不断增长中，行业发展势头极好。其中，价格因素成为影响其销售和发展的关键。因此，如何对制造装备的价格进行科学且合理地确定，实现制造装备企业与下游应用领域客户双方利润的最大化也成为装备制造企业迫切的需求。

国内外学者对装备价格的预测方法已开展了大量的研究工作，主要包括基于成本的价格预测与基于参数的价格预测两类方法。其中，基于成本的价格预测方法通过计算各种详细成本进行装备价格的预测，该方法具有较高的准确性，但工作量大、速度慢。而基于参数的价格预测方法则通过建立装备特性、工艺信息、资源需求和成本之间的关系，采用参数化估算方法进行装备价格的预测。该方法在预测速度方面有所提升，但对恰当的成本驱动参数的选择困难。基于订单的价格预测方法，通过对企业的装备销售订单信息进行标准化和索引，建立完整的案例库，并基于案例库建立装备结构、所需资源和成本之间的关系模型。以此为基础，就能快速匹配出与待定价装备近似的案例，对该案例的价格进行修订后即可作为该装备的预测。但该类方法对装备案例的依赖性大，且装备级粒度的差异较大是价格预测的准确性降低。计算机辅助预测方法是近十年兴起的解决价格预测问题的新兴方案，属于两种价格预测方法的结合应用，其主要思想是通过计算机集成信息系统对装备全生命周期的各阶段进行跟踪管控，计算对装备价格有影响的各类详细成本，在此基础上增加一定的利润后作为装备的最终预测价格。因此，在装备全生命周期的成本信息可以被完整记录时，该方法具有较高的准确性。但全生命周期成本信息的记录需要跨流程、跨部门进行相关数据的整合，导致该方法存在实现难度大、响应速度慢、价格预测周期长等问题。

随着人工智能技术的发展，深度学习方法被广泛应用于各类预测问题领域。但现有的研究主要集中在对类型预测问题的求解，而装备价格预测属于数值预测问题，由于数值预测问题对数据集的完整性、分布程度和特征相关度等方面都有着较高的要求，因此深度学习方法被应用于数值预测问题领域的研究较少。

现有技术主要存在以下缺点：

(1)基于成本的价格预测对设备的各种详细成本的计算准确性要求高，并且预测计算量大、速度慢。

(2)基于参数和案例库的价格预测对设备事例的依赖性大，而且设备级别的类比粒度同样影响了价格预测结果的准确性和速度。