一种基于seq2seq的数据缺失值预测方法及系统技术方案

本发明专利技术公开了一种基于seq2seq的数据缺失值预测方法及系统，包括：预先构建初始seq2seq模型，seq2seq模型包括编码器和解码器，编码器和解码器均采用LSTM模型，在初始seq2seq模型的输出层添加全连接层，生成预先构建的seq2seq模型；基于家畜的耳标传感器获取家畜的传感器数据样本；基于传感器数据样本对预先构建的seq2seq模型进行训练，生成缺失值预测模型；获取待预测的传感器数据，将所述待预测的传感器数据输入缺失值预测模型，得到数据缺失值预测结果。本发明专利技术可以很好的缓解传感器因信号导致数据采集不足的问题，提高了数据缺失值预测效率，为家畜的传感器数据分析提供了方便。便。便。

【技术实现步骤摘要】
一种基于seq2seq的数据缺失值预测方法及系统


[0001]本专利技术涉及数据处理
，尤其涉及一种基于seq2seq的数据缺失值预测方法及系统。

技术介绍

[0002]传感器技术的发展已经日趋成熟，目前已经被用在各行各业中，例如，制造业，服务业，信息技术等许多方面均要使用传感器；生活水平的整体提高也带来了人们对于畜牧业产品的消费急速上涨，对于肉类产品的要求也在水涨船高，因此肉类是否能高质量生产取决于养殖行业的运营情况，对猪，牛，羊的日常管理监控也变得越来越重要，好的监控管理是肉类生产的重要保证，肉类的监测需要传感器技术的支撑。
[0003]现有技术中通常采用钉在牲口耳朵上的耳标传感器对猪、牛、羊等家畜进行监控，耳标装置主要包含了加速度和温度传感器，此传感器具备了采集运动加速度以及的动物体温数据的功能，采集回来的数据有助于相关工作人员的监测工作；因此数据采集的越完整越有助于后续工作。由于传感器极易受环境因素的影响(比如恶劣气候条件下)，导致设备容易出现接收数据不稳定的情况。
[0004]现有技术中的预测方法采用的ARIMA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于seq2seq的数据缺失值预测方法，其特征在于，包括：预先构建初始seq2seq模型，其中所述seq2seq模型包括编码器和解码器，所述编码器采用LSTM模型，所述解码器采用LSTM模型；在所述初始seq2seq模型的输出层添加全连接层，生成预先构建的seq2seq模型；基于家畜的耳标传感器获取家畜的传感器数据样本；基于传感器数据样本对预先构建的seq2seq模型进行训练，生成缺失值预测模型；获取待预测的传感器数据，将所述待预测的传感器数据输入所述缺失值预测模型，得到数据缺失值预测结果。2.根据权利要求1所述的基于seq2seq的数据缺失值预测方法，其特征在于，所述基于家畜的耳标传感器获取家畜的传感器数据样本，包括：基于家畜的耳标传感器获取家畜实时的传感器数据，所述家畜的实时数据包括家畜的温度数据和运动数据；将所述家畜的实时数据与家畜的标识号进行映射后存储至时序数据库；检测到传感器数据样本生成指令，则基于家畜的耳标号获取家畜的标识号；根据家畜的标识号在所述时序数据库中读取家畜对应的传感器数据；将传感器数据按照时间步数进行提取，将提取的数据格式转化为seq2seq模型的样本格式，生成初始传感器数据样本；将初始传感器数据样本进行标准化处理，生成传感器数据样本。3.根据权利要求2所述的基于seq2seq的数据缺失值预测方法，其特征在于，所述基于传感器数据样本对预先构建的seq2seq模型进行训练，生成缺失值预测模型，包括：将传感器数据样本进行切分，生成训练集、测试集及验证集；将训练集输入预先构建的seq2seq模型进行训练；训练过程中通过预先定义的标签和损失函数优化模型参数；优化完成后，生成缺失值预测模型，存储所述缺失值预测模型。4.根据权利要求3所述的基于seq2seq的数据缺失值预测方法，其特征在于，所述训练过程中通过预先定义的标签和损失函数优化模型参数，包括：获取seq2seq模型输出的结果与训练标签通过RMSE函数求损失函数；基于损失函数对参数求导，利用梯度下降的方式不断修改优化模型参数。5.根据权利要求4所述的基于seq2seq的数据缺失值预测方法，其特征在于，所述获取待预测的传感器数据，将所述待预测的传感器数据输入所述缺失值预测模型，得到数据缺失值预测结果，包括：获取待预测的传感器数据，提取传感器数据中的数据缺失值及非缺失值；提取缺失值前预定长度的非缺失值的时序数据作为输入数据，将输入数据进行标准化处理输入到seq2seq模型；获取seq2seq模型的输出结果，将输出结果进行反...

【专利技术属性】
技术研发人员：邓超凡，刁远明，
申请(专利权)人：深圳市中融数字科技有限公司，
类型：发明
国别省市：