【技术实现步骤摘要】
预测模型训练方法、时间预测方法、训练装置及终端
本公开涉及电子信息
，特别地涉及一种预测模型训练方法、时间预测方法、训练装置及终端。
技术介绍
在生产过程中，物流运输是极重要的一个环节。生产中每一个环节都有原料和(半)成品，原料无法及时到达目的地和(半)成品转运的不及时都会导致流水线无法正常运作。而在实际生产中，每项生产活动都是由其时间安排的，而运送物料的物流车无论是提前到达还是延迟到达都会对生产造成影响。例如，物流车的提前达到会因为前面的物料尚未转运而导致仓库爆仓，且实际生产中的各个生产环节就像多米诺骨牌，一个环节出错，后续环节都会受影响。因此，在实际生产中，对物流车运输物料的运输时间的预测是至关重要的。
技术实现思路
针对上述问题，本公开提供一种预测模型训练方法、时间预测方法、训练装置及终端，通过多条样本数据建立时间预测模型，以实现目标物流车到达时间或出发时间的预测。第一方面，本公开提供了一种时间预测模型的训练方法，所述方法包括：获得多条样本数据，其中，所述样本数...
【技术保护点】
1.一种时间预测模型的训练方法，其特征在于，所述方法包括：/n获得多条样本数据，其中，所述样本数据包括物流车从出发地到目的地的出发时间、到达时间以及影响所述出发时间和到达时间的影响因素，所述影响因素包括交通信息因素、天气信息因素、路线信息因素；/n对所述多条样本数据进行关联性分析，以得到每条样本数据中目标时间与除目标时间之外的其他数据之间的目标关联性关系，其中，目标时间为到达时间或出发时间；/n将各所述样本数据的出发时间、到达时间和目标关联性关系输入至预设模型进行训练，以得到所述时间预测模型。/n
【技术特征摘要】
1.一种时间预测模型的训练方法，其特征在于，所述方法包括：
获得多条样本数据，其中，所述样本数据包括物流车从出发地到目的地的出发时间、到达时间以及影响所述出发时间和到达时间的影响因素，所述影响因素包括交通信息因素、天气信息因素、路线信息因素；
对所述多条样本数据进行关联性分析，以得到每条样本数据中目标时间与除目标时间之外的其他数据之间的目标关联性关系，其中，目标时间为到达时间或出发时间；
将各所述样本数据的出发时间、到达时间和目标关联性关系输入至预设模型进行训练，以得到所述时间预测模型。
2.如权利要求1所述的训练方法，其特征在于，所述获得多条样本数据的步骤具体包括：
获得多条初始数据；
确定多条初始数据中是否存在包括离群数据的初始数据，将多条初始数据中包括离群数据的初始数据剔除，以得到更新后的多条初始数据；
将更新后的所述多条初始数据格式化为标准格式，以得到所述多条样本数据。
3.如权利要求1所述的训练方法，其特征在于，所述获得多条样本数据的步骤具体包括：
获得多条初始数据，并确定每条所述初始数据的缺失等级；
将所述多条初始数据中缺失等级为第一等级的初始数据剔除，将所述多条初始数据中缺失等级为第二等级的初始数据进行字段补充处理，以得到更新后的多条初始数据，其中，所述第一等级的缺失程度大于所述第二等级的缺失程度；
将更新后的所述多条初始数据格式化为标准格式，以得到所述多条样本数据。
4.如权利要求1-3中任意一项所述的训练方法，其特征在于，所述对所述多条样本数据进行关联性分析，以得到每条样本数据中目标时间与除目标时间之外的其他数据之间的目标关联性关系的步骤包括：
将所述多条样本数据输入至Apriori模型，以得到每条样本数据中目标时间与除目标时间之外的其他数据之间的目标关联性关系。
5.如权利要求1-3中任意一项所述的训练方法，其特征在于，所述将各所述样本数据的出发时间、到达时间和目标关联性关系输入至预设模型进行训练，以得到所述时间预测模型的步骤具体包括：
初始化所述预设模型的模型参数；
将各所述样本数据的出发时间、到达时间和目标关联性关系循环输入至所述预设模型，以使所述预设模型依次输出目标预测时间；
依次确定所述目标预测时间与对应的目标时间的差值；
根据所述差值调整所述预设模型的模型参数；
在所述差值低于第一预设阈值时，停止对所述预设模型参数的调整，并输出所述时间预测模型；
其中，当所述目标预测时间为目标到达时间时，所述目标时间为到达时间，所述目标关联性关系为到达时间与该样本数据中除到达时间之外的其他数据之间的关系；当所述目标预测时间为目标出发时间时，所述目标时间为出发时间，所述目标关联性关系为出发时间与该样本数据中除出发时间之外的其...
【专利技术属性】
技术研发人员：田地，叶文杰，叶林林，石宇航，吴咪咪，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。