[发明专利]一种特征对指标的影响评价方法、装置、设备及存储介质

权利要求书

1.一种特征对指标的影响评价方法，其特征在于，所述特征对指标的影响评价方法包括：

获取待分析工业生产数据集，所述待分析工业生产数据集包括工业指标数据和所述工业指标数据对应的多个特征数据；

对所述待分析工业生产数据集进行筛选，得到重要特征数据，所述筛选包括对所述工业指标数据和多个特征数据进行拟合回归处理；

将所述工业指标数据和重要特征数据输入至预设的特征模型，得到指标-特征关系曲线，以指示工业指标数据与重要特征数据的关联性，进而评价特征对指标的影响。

2.根据权利要求1所述的特征对指标的影响评价方法，其特征在于，筛选重要特征数据包括：

基于各所述特征数据和所述工业指标数据训练预设回归模型，直到所述预设回归模型收敛，确定各所述特征数据的收敛特征权重系数；

基于所述收敛特征权重系数对所述特征数据进行排序；

将排序位于预设序列位数的所述特征数据确定为重要特征数据。

3.根据权利要求2所述的特征对指标的影响评价方法，其特征在于，筛选重要特征数据还包括：

删除所述收敛特征权重系数为0的所述特征数据；

将排序位于预设序列位数且所述收敛特征权重系数为正数的所述特征数据确定为正相关重要特征；

将排序位于预设序列位数且所述收敛特征权重系数为负数的所述特征数据确定为负相关重要特征；

将所述正相关重要特征和所述负相关重要特征确定为所述重要特征数据。

4.根据权利要求1-3任一项所述的特征对指标的影响评价方法，其特征在于，将所述工业指标数据和所述重要特征数据输入至预设的特征模型，得到指标-特征关系曲线包括：

基于预设函数构建各所述重要特征数据的子模型，所述预设函数为多项式分段函数；

将所述工业指标数据和所述子模型输入预设的特征模型，所述预设的特征模型为可加模型；

基于所述预设的特征模型确定各所述子模型对应的重要特征的特征系数，以基于所述特征系数得到所述重要特征的指标-特征关系曲线。

5.根据权利要求1-3任一项所述的特征对指标的影响评价方法，其特征在于，基于所述指标-特征关系曲线确定所述重要特征对所述工业指标数据的影响方向和数值影响水平包括：

根据所述指标-特征关系曲线走势确定所述重要特征对所述工业指标数据的影响方向；

根据所述指标-特征关系曲线坐标数值确定所述重要特征对工业指标数据的数值影响水平。

6.根据权利要求1-3任一项所述的特征对指标的影响评价方法，其特征在于，确定所述重要特征对工业指标数据的数值影响水平之后，所述特征对指标影响评价方法还包括：

基于所述工业指标数据的多个指标-特征关系曲线确定所述工业指标数据的工业实施参数集；

获取当前工业生产实时数据，所述当前工业生产实时数据包括实时指标数据和所述实时指标数据对应的多个实时特征数据；

若所述实时指标数据的实时指标值小于目标指标阈值，所述目标指标阈值根据所述实时指标数据与所述工业指标数据的预设对应关系确定，通过与所述实时指标数据对应的所述工业指标数据的所述工业实施参数集对所述实时特征数据进行调整，以提升调整后的实时指标数据的指标水平。

7.根据权利要求1-3任一项所述的特征对指标的影响评价方法，其特征在于，所述特征对指标的影响评价方法在获取待分析工业生产数据集之后，所述特征对指标影响评价方法还包括：

删除所述待分析工业生产数据集中的无效异常值；

删除所述待分析工业生产数据集中缺失所述工业指标数据的数据项；

确定所述待分析工业生产数据集中特征数据字段的数据缺失率；

若所述数据缺失率大于预设阈值，则删除所述特征数据字段；

若所述数据缺失率小于或等于预设阈值，则根据中位值对所述特征数据字段进行数据填充。