一种产品循环性数据表模型构建方法技术

本发明专利技术公开了一种产品循环性数据表模型构建方法，包括获取循环性数据和检索信息，对所述循环性数据和所述检索信息进行预处理，对预处理后所述检索信息标进行特征提取，获得循环度特征，对所述循环度特征进行选择获取关键特征，根据所述关键特征对所述循环性数据进行筛选获得需求产品集，根据所述需求产品集进行预测获得预测产品数据，构建产品循环性数据表模型。该方法不仅可以提高供应链循环性数据的共享效率，同时在循环方面提高产品性能，可以直接应用于产品循环性数据表模型中。直接应用于产品循环性数据表模型中。直接应用于产品循环性数据表模型中。

【技术实现步骤摘要】
一种产品循环性数据表模型构建方法


[0001]本专利技术涉及电数字数据处理领域，尤其涉及一种产品循环性数据表模型构建方法
。

技术介绍

[0002]当前绿色低碳循环发展成为全球共识，世界主要经济体普遍把发展循环经济作为破解资源环境约束
、
应对气候变化
、
培育经济新增长点的基本路径
。
提升产品的循环性是发展循环经济的着力点
。
然而，对于产品的循环性尚未形成统一认识，导致出现循环性数据“碎片化”市场，现有的产品循环性方案较为复杂且成本较高，企业获取产品循环性数据存在诸多障碍，包括相关信息没有标准化的格式进行分享；相关信息涉及商业机密导致无法分享；关键数据未经验证或难以溯源；采用专有集中式数据库，缺乏通用和开放的机制来进行基本数据交换；产品循环性信息在供应链中发生变化导致信息不准确
。
因此，有必要构建统一的产品数据表模型，用于实现产品循环性相关信息的安全高效交换
。

技术实现思路

[0003]本专利技术的目的是要提供一种产品循环性数据表模型构建方法
。
[0004]为达到上述目的，本专利技术是按照以下技术方案实施的：本专利技术包括以下步骤：
A
获取循环性数据和检索信息，对所述循环性数据和所述检索信息进行预处理；
B
对预处理后所述检索信息标进行特征提取，获得循环度特征；
C
对所述循环度特征进行选择获取关键特征，根据所述关键特征对所述循环性数据进行筛选获得需求产品集；获取关键特征的方法包括：计算所述循环度特征的差异度：其中任意两个数据
m
和
n
在
i
特征维度上的差异度为，数据
m
的循环度特征为，数据
n
的循环度特征为，数据
m
的循环度特征
i
在维度上的差异值为，数据
n
的循环度特征
i
在维度上的差异值为，循环度特征
i
权重的最大值为，循环度特征
i
权重的最小值为，根据差异度选择循环度特征：初始化种群，计算第
t
次迭代的个体适应度函数：其中分类数据集为
c
，
j
类别子集均值向量为，特征集合的平均向量为，类别
j
循环度特征数据的数量为，类别
j
循环度特征
i
的向量为，根据适应度值和差异度估
算循环度特征的选取概率：其中类别
j
特征的权重值为，类别
j
特征的适应度值为，类别的数量为
N
，随机选取一组数据进行交叉变异得到新一代种群，不断迭代直到大于等于适应度阈值停止迭代，按照适应度值对循环度特征进行降序排序，输出前五个适应度的循环度特征输出为关键特征；
D
根据所述需求产品集进行预测获得预测产品数据，构建产品循环性数据表模型
。
[0005]进一步的，步骤
A
中所述预处理的方法，包括去除重复数据
、
处理缺失值
、
处理异常值
、
数据规约
、
数据转化
、
标准化
、
分词
、
提取关键词和向量化
。
[0006]进一步的，对预处理后所述检索信息标进行特征提取的方法，包括：建立原始时间序列和多维空间分析的桥梁，重构相空间，使一维时间序列在多维空间获得重构后的时间序列：其中时间延迟为，嵌入维数为
m
，检索信息为
i
，检索信息
i
的时间序列为，检索信息的
i
相点为，计算相点距离：其中郝维赛德函数为，给定距离为
r
，检索信息
j
的相点为，计算小于
r
的检索信息与占有总的点对数的比例：其中检索信息的数量为
N
，距离小于
r
的对数比例为，计算两个相点的距离：计算相点存在关联的相点对数占所有配对的比例：其中距离小于
r
的关联维数为，将关联维数输出为循环度特征
。
[0007]进一步的，根据所述关键特征对所述循环性数据进行筛选获得需求产品集的方法，包括：计算所述循环性数据和所述关键特征的互信息：其中第
a
个循环性数据为，第
b
个关键特征为，循环性数据的数量为
g
，关键特征的数量为
q
，循环性数据和关键特征的联合密度函数为，循环性数据的边缘概率密度函数为，关键特征的边缘概率密度函数为；
根据互信息值对循环性数据进行降序排序，选择互信息值大于某个阈值的循环性数据构成需求产品集
。
[0008]进一步的，根据所述需求产品集进行预测获得预测产品数据的方法，包括：计算所述需求产品集和预测产品数据的均方根误差：其中第
i
个产品数据的均方根误差为，第
i
个预测产品数据为，需求产品集的第
i
个产品数据为，预测产品数据的数量为
E
，使用随机森林算法对预测产品数据进行调整，根据调整后的预测产品数据对应的均方根误差获取产品数据的影响权重：根据调整后的预测产品数据对应的均方根误差获取产品数据的影响权重：其中第
i
个调整后的预测产品数据为，第
i
个调整后的均方根误差为，第
i
个数据的影响权重，根据影响权重获取产品设计数据的综合评价：其中综合评价为
R
，第
i
个产品数据的影响权重为，将综合评价作为预测目标，采用基于支持向量机的产品数据预测模型预测产品数据，输出预测产品数据
。
[0009]进一步的，构建所述产品循环性数据表模型的方法，包括：所述产品循环性数据表模型将检索信息和预测产品信息结合构建产品循环性数据表模型，包括：
a、
使用决策树算法构建回归模型，根据检索信息预测产品的循环属性；
b、
将构建的决策树模型应用于检索信息中，根据循环性数据的属性给定数据表结构，通过数据表中检索信息和预测产品信息的关联关系建立循环关系；
c、
向数据表插入循环性数据，将检索信息和预测产品信息进行对比，包括：计算预测产品数据和检索信息的相关系数：其中预测产品的第
i
个数据为，检索信息的第
i
个数据为，检索信息和预测产品数据的相关系数为，筛选出需要改进的数据，当相关系数值为0时将可以改进的数据输出为“否”，当相关系数值为1时不需要改进的数据改进为“是”；
d、
将循环性数据和检索信息按照
4:1
随机分成训练集和测试集，将训练集输入产品循本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种产品循环性数据表模型构建方法，其特征在于，包括以下步骤：
A
获取循环性数据和检索信息，对所述循环性数据和所述检索信息进行预处理；
B
对预处理后所述检索信息标进行特征提取，获得循环度特征；
C
对所述循环度特征进行选择获取关键特征，根据所述关键特征对所述循环性数据进行筛选获得需求产品集；获取关键特征的方法包括：计算所述循环度特征的差异度：其中任意两个数据
m
和
n
在
i
特征维度上的差异度为，数据
m
的循环度特征为，数据
n
的循环度特征为，数据
m
的循环度特征
i
在维度上的差异值为，数据
n
的循环度特征
i
在维度上的差异值为，循环度特征
i
权重的最大值为，循环度特征
i
权重的最小值为，根据差异度选择循环度特征：初始化种群，计算第
t
次迭代的个体适应度函数：其中分类数据集为
c
，
j
类别子集均值向量为，特征集合的平均向量为，类别
j
循环度特征数据的数量为，类别
j
循环度特征
i
的向量为，根据适应度值和差异度估算循环度特征的选取概率：其中类别
j
特征的权重值为，类别
j
特征的适应度值为，类别的数量为
N
，随机选取一组数据进行交叉变异得到新一代种群，不断迭代直到大于等于适应度阈值停止迭代，按照适应度值对循环度特征进行降序排序，输出前五个适应度的循环度特征输出为关键特征；
D
根据所述需求产品集进行预测获得预测产品数据，构建产品循环性数据表模型
。2.
根据权利要求1所述的一种产品循环性数据表模型构建方法，其特征在于，步骤
A
中所述预处理的方法，包括去除重复数据
、
处理缺失值
、
处理异常值
、
数据规约
、
数据转化
、
标准化
、
分词
、
提取关键词和向量化
。3.
根据权利要求1所述的一种产品循环性数据表模型构建方法，其特征在于，对预处理后所述检索信息标进行特征提取的方法，包括：建立原始时间序列和多维空间分析的桥梁，重构相空间，使一维时间序列在多维空间获得重构后的时间序列：其中时间延迟为，嵌入维数为
m
，检索信息为
i
，检索信息
i
的时间序列为，检索信息的
i
相点为，计算相点距离：
其中郝维赛德函数为，给定距离为
r
，检索信息
j
的相点为，计算小于
r
的检索信息与占有总的点对数的比例：其中检索信息的数量为
N
，距离小于
r
的对数比例为，计算两个相点的距离：计算相点存在关联的相点对数占所有配对的比例：其中距离小于
r
的关联维数为，将关联维数输出为循环度特征
。4.
根据权利要求1所述的一种产品循环...

【专利技术属性】
技术研发人员：丁爽，王秀腾，高彦鑫，高东峰，林翎，朱艺，张蕊，刘静，
申请(专利权)人：中国标准化研究院，
类型：发明
国别省市：