一种基于LASSO和RNN预测设备使用寿命的方法及工具技术

本发明专利技术公开一种基于LASSO和RNN预测设备使用寿命的方法，涉及数据应用技术领域，包括：采集设备运行的历史数据和最新数据；对采集数据进行预处理；使用LASSO算法对预处理后的数据进行变量选择，去除掉系数为零的变量，实现数据的降维；构建RNN模型，将处理后的历史数据送入RNN模型中进行训练，调整RNN模型参数，得到训练完成的RNN模型；将处理后的最新数据送入训练完成的RNN模型，训练完成的RNN模型输出设备使用寿命的预测结果，并传送至用户端。本发明专利技术还公开一种基于LASSO和RNN预测设备使用寿命的工具，其与前述方法相结合，可以通过训练完成的RNN模型通过设备运行的最新数据预测设备的使用寿命，从而及时提醒用户更换设备，减少因为设备故障所造成的经济损失。减少因为设备故障所造成的经济损失。减少因为设备故障所造成的经济损失。

【技术实现步骤摘要】
一种基于LASSO和RNN预测设备使用寿命的方法及工具


[0001]本专利技术涉及数据应用
，具体的说是一种基于LASSO和RNN预测设备使用寿命的方法及工具。

技术介绍

[0002]目前，在工业生产过程中，安全问题一直是生产的重中之重，如何确保生产的安全有序进行成为我们必须要考虑的一个问题。
[0003]LASSO是一种经典的用于变量选择的统计方法，它通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值；同时设定一些回归系数为零。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。LASSO算法可以使特征的系数进行压缩并且可以使某些回归系数为0，即不选用该特征，因此可以进行特征选择。
[0004]RNN(循环神经网络)是一类以序列数据为输入，在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络。循环神经网络就是借助循环核实现的时间特征提取，再把提取到的信息送入到全连接网络，实现连续数据的预测，对于序列化的数据有很强的模型拟合能力。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LASSO和RNN预测设备使用寿命的方法，其特征在于,其实现内容包括：步骤S1、采集设备运行产生的历史数据和最新数据；步骤S2、对采集数据进行预处理；步骤S3、将预处理后的数据使用LASSO算法进行变量选择，去除掉那些系数为零的变量，实现数据的降维；步骤S4、构建RNN模型，将处理后的历史数据送入RNN模型中进行训练，调整RNN模型参数，得到训练完成的RNN模型；步骤S5、将处理后的最新数据送入训练完成的RNN模型，训练完成的RNN模型输出设备使用寿命的预测结果，并传送至用户端。2.根据权利要求1所述的一种基于LASSO和RNN预测设备使用寿命的方法，其特征在于，在设备上安装传感器，使用传感器采集设备运行产生的历史数据和最新数据。3.根据权利要求1所述的一种基于LASSO和RNN预测设备使用寿命的方法，其特征在于，对采集数据进行缺失数据删除的预处理操作。4.根据权利要求1所述的一种基于LASSO和RNN预测设备使用寿命的方法，其特征在于，设定设备使用寿命的阈值，在训练完成的RNN模型输出的预测结果小于设定阈值时，用户端通过短信或邮件的方式发出提醒。5.一种基于LASSO和RNN预测设备使用寿命的工具...

【专利技术属性】
技术研发人员：李锐，贾永飞，张晖，
申请(专利权)人：浪潮集团有限公司，
类型：发明
国别省市：