【技术实现步骤摘要】
本申请涉及计算机，尤其涉及一种预测模型构建方法、预测方法、装置、设备及介质。
技术介绍
1、工业设备在生产制造过程中会产生大量的数据，构成工业大数据。通过对工业大数据进行分析，可用于预测工业设备的安全事故。
2、现有技术中，对工业大数据的分析主要通过人工进行分析，存在数据利用率低，导致预测效果不好的问题。
技术实现思路
1、本申请提供一种预测模型构建方法、预测方法、装置、设备及介质，用以解决现有技术中预测效果不好的问题。
2、第一方面，本申请提供一种预测模型构建方法，包括：
3、确定工业大数据、以及与工业大数据对应的安全事故状态标签，其中，工业大数据包括hse管理体系属性数据、资产管理属性数据和设备管理属性数据；
4、根据工业大数据，确定初始目标样本数据，初始目标样本数据包括工业大数据中的部分属性数据；
5、将初始目标样本数据输入至待训练模型，得到训练输出结果；
6、根据训练输出结果和安全事故状态标签，确定初始目标样本数据中的目标样本数据；
7、根据目标样本数据和安全事故状态标签，对与目标样本数据对应的训练输出结果进行调整，得到预测模型。
8、在本申请中，确定工业大数据、以及与工业大数据对应的安全事故状态标签，包括：
9、获取初始工业大数据、以及与初始工业大数据对应的安全事故状态标签；
10、根据初始工业大数据的类型，对初始工业大数据中的属性数据进行筛选处理，得到
11、根据筛选属性数据，得到工业大数据的属性集合。
12、在本申请中，根据初始工业大数据的类型，对初始工业大数据中的属性数据进行筛选处理，得到筛选属性数据，包括：
13、根据初始工业大数据的类型，对初始工业大数据中属性数据进行筛选处理，得到初始筛选属性数据；
14、根据初始筛选属性数据，对初始筛选属性数据中的空值进行填补处理，得到筛选属性数据。
15、在本申请中，根据初始工业大数据的类型，对初始工业大数据中属性数据进行筛选处理，得到初始筛选属性数据，包括：
16、根据初始工业大数据的类型，确定必要关键字信息、非法关键字信息；
17、根据必要关键字信息、以及非法关键字信息，对初始工业大数据中属性数据进行筛选处理，得到初始筛选属性数据。
18、在本申请中，根据初始筛选属性数据，对初始筛选属性数据中的空值进行填补处理，得到筛选属性数据，包括：
19、根据初始筛选属性数据，确定初始筛选属性数据中的属性数据的空值；
20、根据空值、预设的滑动窗口长度、以及预设的目标空值率，确定填补数据；
21、根据填补数据对空值进行替换，得到筛选属性数据。
22、在本申请中，根据空值、预设的滑动窗口长度、以及预设的目标空值率，确定填补数据，包括：
23、根据空值、以及预设的滑动窗口长度，确定空值的邻域、领域的总数值个数、以及邻域的空值个数；
24、根据总数值个数和空值个数，确定邻域的空值率；
25、根据邻域的空值率、以及预设的目标空值率，确定邻域的邻域类型，领域类型包括可信邻域类型和不可信领域类型，邻域类型根据邻域的空值率和最大空值率的大小关系确定；
26、根据空值的邻域类型，确定填补数据。
27、在本申请中，根据训练输出结果和安全事故状态标签，确定初始目标样本数据中的目标样本数据，包括：
28、根据训练输出结果和安全事故状态标签，确定与初始目标样本数据对应的模型准确度；
29、根据与初始目标样本数据对应的模型准确度，确定初始目标样本数据中的目标样本数据。
30、在本申请中，根据与初始目标样本数据对应的模型准确度，确定初始目标样本数据中的目标样本数据，包括：
31、根据与初始目标样本数据对应的模型准确度的大小，确定模型准确度中的目标模型准确度；
32、根据目标模型准确度，确定初始目标样本数据中的目标样本数据。
33、第二方面，本申请提供一种预测方法，包括：
34、确定待预测工业设备的待预测样本数据；
35、将待预测样本数据输入至安全事故预测模型，得到待预测工业设备的安全事故预测结果，其中，安全事故预测模型为本申请提供的预测模型。
36、第三方面，本申请提供一种预测模型构建装置，包括：
37、第一确定模块，用于确定工业大数据、以及与工业大数据对应的安全事故状态标签，其中，工业大数据包括hse管理体系属性数据、资产管理属性数据和设备管理属性数据；
38、第二确定模块，用于根据工业大数据，确定初始目标样本数据，初始目标样本数据包括工业大数据中的部分属性数据；
39、训练模块，用于将初始目标样本数据输入至待训练模型，得到训练输出结果；
40、第三确定模块，用于根据训练输出结果和安全事故状态标签，确定初始目标样本数据中的目标样本数据；
41、调整模块，用于根据目标样本数据和安全事故状态标签，对与目标样本数据对应的训练输出结果进行调整，得到预测模型。
42、第四方面，本申请提供一种预测装置，包括：
43、第四确定模块，用于确定待预测工业设备的待预测样本数据；
44、预测模块，用于将待预测样本数据输入至安全事故预测模型，得到待预测工业设备的安全事故预测结果，其中，安全事故预测模型为本申请提供的预测模型。
45、第五方面，本申请提供一种电子设备，包括：处理器，以及与处理器通信连接的存储器；
46、存储器存储计算机执行指令；
47、处理器执行存储器存储的计算机执行指令，以实现本申请提供的方法。
48、第六方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现本申请提供的方法。
49、本申请提供的一种预测模型构建方法、预测方法、装置、设备及介质，通过确定工业大数据、以及与工业大数据对应的安全事故状态标签，其中，工业大数据包括hse管理体系属性数据、资产管理属性数据和设备管理属性数据；根据工业大数据，确定初始目标样本数据，初始目标样本数据包括工业大数据中的部分属性数据；将初始目标样本数据输入至待训练模型，得到训练输出结果；根据训练输出结果和安全事故状态标签，确定初始目标样本数据中的目标样本数据；根据目标样本数据和安全事故状态标签，对与目标样本数据对应的训练输出结果进行调整，得到预测模型。通过从hse管理体系属性数据、资产管理属性数据和设备管理属性数据中确定工业大数据，使得工业大数据更加全面，与工业设备的关系更加紧密，从而更能体现工业设备的状态。通过从初始目标样本数据中确定目标样本数据的手段，将初始目标样本数据中的重要属性数据筛选出作为目标样本本文档来自技高网...
【技术保护点】
1.一种预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定工业大数据、以及与所述工业大数据对应的安全事故状态标签，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始工业大数据的类型，对所述初始工业大数据中的属性数据进行筛选处理，得到筛选属性数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述初始工业大数据的类型，对所述初始工业大数据中属性数据进行筛选处理，得到初始筛选属性数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述初始筛选属性数据，对所述初始筛选属性数据中的空值进行填补处理，得到筛选属性数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述空值、预设的滑动窗口长度、以及预设的目标空值率，确定填补数据，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述训练输出结果和所述安全事故状态标签，确定所述初始目标样本数据中的目标样本数据，包括：
8.根据权利要求7所述的方法，其特征在于，所述
9.一种预测方法，其特征在于，包括：
10.一种预测模型构建装置，其特征在于，包括：
11.一种预测装置，其特征在于，包括：
12.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-9中任一项所述的方法。
...【技术特征摘要】
1.一种预测模型构建方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述确定工业大数据、以及与所述工业大数据对应的安全事故状态标签，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始工业大数据的类型，对所述初始工业大数据中的属性数据进行筛选处理，得到筛选属性数据，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述初始工业大数据的类型，对所述初始工业大数据中属性数据进行筛选处理，得到初始筛选属性数据，包括：
5.根据权利要求2所述的方法，其特征在于，所述根据所述初始筛选属性数据，对所述初始筛选属性数据中的空值进行填补处理，得到筛选属性数据，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述空值、预设的滑动窗口长度、以及预设的目标空值率...
【专利技术属性】
技术研发人员：郑瑞卿，戴智，张勇，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
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。