预测模型的训练方法及基于预测模型的预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113988369A(43)申请公布日2022.01.28(21)申请号202111117392.6(22)申请日2021.09.23(71)申请人上海三一重机股份有限公司地址200000上海市浦东新区临港工业园区两港大道318号A座(72)发明人宋文江(74)专利代理机构北京路浩知识产权代理有限公司11002代理人邢大鑫(51)Int.Cl.G06Q10/04(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书10页附图6页(54)发明名称预测模型的训练方法及基于预测模型的预测方法(57)摘要本发明实施例提供一种预测模型的训练方法及基于预测模型的预测方法，训练方法包括：构建第一预测模型，第一预测模型通过作业机械的历史作业样本数据和历史作业样本数据对应的资源样本数据训练得到；基于第一预测模型，确定目标历史作业样本数据，以及与目标作业样本数据对应的第一训练参数；基于第一训练参数，确定第一预测模型对应的第一目标参数；基于目标历史作业样本数据和第一训练参数，构建第二预测模型；确定第二预测模型对应的第二目标参数；基于第一目标参数和第二目标参数，调整第二预测模型，以得到最终的预测模型。本发明用以解决现有技术中针对复杂多变的作业对象，挖掘机在作业时效率低、耗能高的缺陷。CN113988369ACN113988369A权利要求书1/2页1.一种预测模型的训练方法，其特征在于，包括：构建第一预测模型，所述第一预测模型通过作业机械的历史作业样本数据和所述历史作业样本数据对应的资源样本数据训练得到；基于所述第一预测模型，确定目标历史作业样本数据，以及与所述目标历史作业样本数据对应的第一训练参数；基于所述第一训练参数，确定所述第一预测模型对应的第一目标参数；基于所述目标历史作业样本数据和所述第一训练参数，构建第二预测模型；确定所述第二预测模型对应的第二目标参数；基于所述第一目标参数和所述第二目标参数，调整所述第二预测模型，以得到最终的预测模型。2.根据权利要求1所述的预测模型的训练方法，其特征在于，所述基于所述第一预测模型，确定目标历史作业样本数据，以及与所述目标历史作业样本数据对应的第一训练参数，包括：确定所述第一预测模型的至少一个波峰和至少一个波谷；将所述至少一个波峰和所述至少一个波谷对应的历史作业样本数据作为所述目标历史作业样本数据；将所述目标历史作业样本数据分别输入第一预设计算公式，通过所述第一预设计算公式得到所述第一训练参数。3.根据权利要求2所述的预测模型的训练方法，其特征在于，所述基于所述第一训练参数，确定所述第一预测模型对应的第一目标参数，包括：基于第二预设计算公式，从所述第一训练参数中确定第一目标值，所述第一目标值用于指示鲁棒性的高低；基于第一预测模型，确定与所述第一目标值对应的所述第一目标参数。4.根据权利要求3所述的预测模型的训练方法，其特征在于，所述基于所述目标历史作业样本数据和所述第一训练参数，构建第二预测模型，包括：组合所述目标历史作业样本数据，得到第一集合；组合所述第一训练参数，得到第二集合；拟合得到所述第一集合和所述第二集合之间的映射关系；基于所述目标历史作业样本数据、所述第一训练参数和所述映射关系，构建第二预测模型。5.根据权利要求1所述的预测模型的训练方法，其特征在于，所述确定所述第二预测模型对应的第二目标参数，包括：基于所述第二预测模型，将最大值对应的位置作为所述第二目标参数。6.根据权利要求4所述的预测模型的训练方法，其特征在于，所述基于所述第一目标参数和所述第二目标参数，调整所述第二预测模型，以得到最终的预测模型之前，还包括：将所述第二目标参数输入所述第一预设计算公式，通过所述第一预设计算公式得到第二目标值；所述基于所述第一目标参数和所述第二目标参数，调整所述第二预测模型，以得到最终的预测模型，包括：计算所述第一目标参数和所述第二目标参数的差值；2CN113988369A权利要求书2/2页判断所述差值是否在预设范围内；当判定所述差值在所述预设范围内时，确定所述预测模型训练完成；当判定所述差值未在所述预设范围内时，将所述第二目标参数添加至所述第一集合，将所述第二目标值添加至所述第二集合，基于添加后的第一集合和添加后的第二集合训练所述第二预测模型，直至所述第二预测模型训练完成；当判定所述差值未在所述预设范围内，且所述第一目标值小于所述第二目标值时，将所述第一目标值更新为所述第二目标值，以及所述第一目标参数更新为所述第二目标参数；基于更新后的所述第一目标值和更新后的所述第一目标参数，训练所述第二预测模型，直至所述第二预测模型训练完成。7.一种基于1‑6任一项所述的预测模型的预测方法，