一种提升大型设备周转率的机器学习模型建立方法技术

本发明专利技术公开了一种提升大型设备周转率的机器学习模型建立方法，属于机器学习模型建立技术领域，解决了市场上盾构机等大型设备和工程项目之间自动进行精准匹配的信息产品缺少的问题；包括：通过分类用训练数据训练智能提取分类模型，完成项目类信息数据和设备类信息数据的提取、分类和汇总，建立信息数据库，通过匹配用训练数据训练数据匹配模型完成对项目类信息数据和设备类信息数据的分类匹配，完成数据匹配模型的训练后，根据评估标准，检查数据匹配模型的实用性，实用性达标后，将信息数据库输入数据匹配模型进行实际应用；本发明专利技术实现了自动寻求盾构机等大型设备和工程项目之间的最高匹配度，从而提高了盾构机等大型设备的周转使用率。的周转使用率。的周转使用率。

【技术实现步骤摘要】
一种提升大型设备周转率的机器学习模型建立方法


[0001]本专利技术属于机器学习模型建立
，具体涉及一种提升大型设备周转率的机器学习模型建立方法。

技术介绍

[0002]隧道工程是工程项目的重要组成部分，隧道工程进行中，需使用到一种大型设备——盾构机；盾构机是隧道掘进过程中的专用工程机械，涉及地质、土木、机械、力学、液压、电气、控制和测量等多门学科技术，而且要按照不同的地质条件进行“量体裁衣”式的设计制造，可靠性要求极高；目前盾构机已广泛用于地铁、铁路、公路、市政和水电等隧道工程。
[0003]由于隧道工程种类繁多、数量较大，对盾构机的条件有着不同的现场情况需求，而盾构机作为大型设备，调度与移动需要涉及大量的人力物力，在目前的工程项目市场上，还没有专门针对诸如盾构机这种大型设备和工程项目之间进行精准匹配的信息产品出现。

技术实现思路

[0004]针对
技术介绍
中的情况，本专利技术通过建立机器学习模型，来自动寻求盾构机等大型设备和工程项目之间的最高匹配度，从而提高了盾构机等大型设备的周转使用率。
[0005]本专利技术采用了以下技术方案来实现目的：
[0006]一种提升大型设备周转率的机器学习模型建立方法，包括建立信息数据库和建立数据匹配模型并应用，所述建立信息数据库包括：
[0007]提取分类用训练数据，所述分类用训练数据包括项目数据和设备数据；
[0008]整理项目数据和设备数据中的不同类信息，得到整理好的训练数据；
[0009]使用整理好的训练数据，训练智能提取分类模型对不同类信息进行分类整理；
[0010]采集公开数据，使用训练好的智能提取分类模型对公开数据中的不同类型信息进行分类整理，分别汇总项目类信息数据和设备类信息数据，完成信息数据库的建立；
[0011]所述建立数据匹配模型并应用包括：
[0012]提取项目类信息数据和设备类信息数据，确定评估标准，进行人工匹配，得到匹配用训练数据；
[0013]使用匹配用训练数据，训练数据匹配模型完成对项目类信息数据和设备类信息数据的分类匹配，所述数据匹配模型包括TextCNN模型，数据匹配模型训练过程中，通过支持向量机算法，分析并优化数据匹配模型的输出结果；
[0014]完成数据匹配模型的训练后，根据评估标准，检查数据匹配模型的实用性；
[0015]数据匹配模型的实用性达标后，将信息数据库中的信息数据输入数据匹配模型，完成信息匹配，得到匹配结果，进行实际应用。
[0016]具体的，所述智能提取分类模型，结构包括双向长短期记忆神经网络BiLSTM、条件随机场CRF和自注意力机制Self
‑
Attention。
[0017]所述TextCNN模型的结构包括嵌入层、卷积层、池化层和全连接softmax层。
[0018]进一步的，所述智能提取分类模型，用于将公开数据中的项目类信息数据和设备类信息数据进行提取分类汇总，所述项目类信息数据包括项目的隧道直径、施工地点、岩土状况、工期延迟和施工安全问题，所述设备类信息数据包括盾构机设备的开挖直径、存放地点和掘进方式。
[0019]具体的，所述采集公开数据包括：通过搜索引擎对多方渠道中的工程项目招中标信息进行采集，筛选出公路工程、市政工程、铁路工程等行业相关信息，得到项目类信息；通过搜索引擎对大型设备厂商及公司所公开的大型设备信息进行采集，得到设备类信息。
[0020]进一步的，所述训练数据匹配模型，具体包括：
[0021]确定项目类信息数据和设备类信息数据之间进行分类匹配的评估标准，所述评估标准包括正向指标和负向指标；
[0022]对项目类信息数据和设备类信息数据进行人工匹配，得到匹配用训练数据；
[0023]数据匹配模型对项目类信息数据和设备类信息数据进行数据分类匹配，完成项目类信息数据和设备类信息数据的匹配，得到匹配结果数据组，多次重复数据分类匹配操作，得到多个匹配结果数据组；
[0024]选出多个匹配结果数据组中的最优匹配数据组C，通过支持向量机算法对最优匹配数据组C和其余匹配数据组D进行分析，以人工匹配后的匹配用训练数据做线性匹配，优化训练数据匹配模型区分评估标准中的正向指标和负向指标。
[0025]进一步的，对项目类信息数据和设备类信息数据进行等级分类，获得项目数据组和设备数据组，数据匹配模型依据评估标准中的正向指标和负向指标，对项目数据组和设备数据组，进行以等级为对象的数据分类匹配操作，得到匹配结果数据组。
[0026]具体的，依据项目类信息数据中项目的隧道直径、施工地点、岩土状况、工期延迟和施工安全问题，对项目类信息数据进行等级分类，获得项目数据组A，所述项目数据组A包括Q1至Qn的多个项目数据等级，n为等级序数；依据设备类信息数据中盾构机设备的开挖直径、存放地点和掘进方式，对设备类信息数据进行等级分类，获得设备数据组B，所述设备数据组B包括T1至Tn的多个设备数据等级。
[0027]具体的，所述正向指标包括：盾构机开挖直径与项目隧道直径S、盾构机存放地点与项目施工地点D和盾构机掘进方式与项目岩土状况U，所述负向指标包括：项目工期延迟M和项目施工安全问题N。
[0028]进一步的，在进行等级匹配时，项目数据等级Qn与设备数据等级Tn之间的正向指标S、D和U数值越小，视为项目数据等级Qn与设备数据等级Tn之间的匹配度越高；项目数据等级Qn与设备数据等级Tn之间的负向指标M和N越大，视为项目数据等级Qn与设备数据等级Tn之间的匹配度越低。
[0029]进一步的，通过支持向量机算法对匹配结果数据组的分析过程，以人工匹配后的匹配用训练数据做线性匹配，区分出数据匹配模型进行分类匹配时使用的正向指标和负向指标；人工确认区分出的正向指标与评估标准中的正向指标配置值是否匹配，匹配则存储该正向指标数据，若人工确认不匹配，则进行新一轮支持向量机算法对匹配结果数据组中不匹配的正向指标数据的分析过程。
[0030]所述分析过程重复进行多次，用于提高数据匹配模型区分正向指标并输出正确模
型匹配数据组的成功率。
[0031]综上所述，由于采用了本技术方案，本专利技术的有益效果如下：
[0032]由于目前的工程项目市场上没有将盾构机等大型设备和工程项目之间进行精准匹配的信息产品，因此本专利技术的机器学习模型解决了这一问题；通过机器学习模型中的结构和算法，自动实现了寻求盾构机等大型设备和工程项目之间的最高匹配度的过程，使得相关工程项目人员和设备管理人员能根据匹配的信息，调度或周转盾构机等大型设备，从而实现了调度周转过程中资源的节省，降低了工程项目的成本。
[0033]本专利技术所涉及的工程项目和大型设备的数据内容广泛，通过智能提取分类模型实现对公开数据信息的自动提取并分类，建立了项目信息和设备信息的信息数据库，解决了工程业主和设备拥有者及使用者之间信息不对等的问题，采用智能提取分类模型的方式进行数据处理，具有处理能力强，处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升大型设备周转率的机器学习模型建立方法，其特征在于，包括建立信息数据库和建立数据匹配模型并应用，所述建立信息数据库包括：提取分类用训练数据，所述分类用训练数据包括项目数据和设备数据；整理项目数据和设备数据中的不同类信息，得到整理好的训练数据；使用整理好的训练数据，训练智能提取分类模型对不同类信息进行分类整理；采集公开数据，使用训练好的智能提取分类模型对公开数据中的不同类型信息进行分类整理，分别汇总后得到项目类信息数据和设备类信息数据，完成信息数据库的建立；所述建立数据匹配模型并应用包括：提取项目类信息数据和设备类信息数据，确定评估标准，进行人工匹配，得到匹配用训练数据；使用匹配用训练数据，训练数据匹配模型完成对项目类信息数据和设备类信息数据的分类匹配，所述数据匹配模型包括TextCNN模型，数据匹配模型训练过程中，通过支持向量机算法，分析并优化数据匹配模型的输出结果；完成数据匹配模型的训练后，根据评估标准，检查数据匹配模型的实用性；数据匹配模型的实用性达标后，将信息数据库中的信息数据输入数据匹配模型，完成信息匹配，得到匹配结果，进行实际应用。2.根据权利要求1所述的一种提升大型设备周转率的机器学习模型建立方法，其特征在于：所述智能提取分类模型，结构包括双向长短期记忆神经网络BiLSTM、条件随机场CRF和自注意力机制Self
‑
Attention。3.根据权利要求1所述的一种提升大型设备周转率的机器学习模型建立方法，其特征在于：所述智能提取分类模型，用于将公开数据中的项目类信息数据和设备类信息数据进行提取分类汇总，所述项目类信息数据包括项目的隧道直径、施工地点、岩土状况、工期延迟和施工安全问题，所述设备类信息数据包括盾构机设备的开挖直径、存放地点和掘进方式。4.根据权利要求1所述的一种提升大型设备周转率的机器学习模型建立方法，其特征在于，所述采集公开数据包括：通过搜索引擎对多方渠道中的工程项目招中标信息进行采集，筛选出公路工程、市政工程、铁路工程等行业相关信息，得到项目类信息；通过搜索引擎对大型设备厂商及公司所公开的大型设备信息进行采集，得到设备类信息。5.根据权利要求1所述的一种提升大型设备周转率的机器学习模型建立方法，其特征在于，所述训练数据匹配模型，具体包括：确定项目类信息数据和设备类信息数据之间进行分类匹配的评估标准，所述评估标准包括正向指标和负向指标；对项目类信息数据和设备类信息数据进行人工匹配，得到匹配用训练数据；数据匹配模型对项...

【专利技术属性】
技术研发人员：张森，申法山，杨亮亮，党弘扬，谭卓，盛润，梁明勇，
申请(专利权)人：四川隧唐科技股份有限公司，
类型：发明
国别省市：