[发明专利]训练收率预测模型的方法和装置

说明书

本公开提供了一种训练收率预测模型的方法，包括获得训练数据，所述训练数据包括多个第一指标的数据以及收率的数据，所述多个第一指标包括可控指标和不可控指标，基于所述多个第一指标的数据，从所述不可控指标中确定与任意所述可控指标的相关性大于第一阈值的不可控指标作为第一类不可控指标，以及将其他不可控指标确定为第二类不可控指标，将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述收率的数据作为输出，训练所述收率预测模型。本公开还提供了一种训练收率预测模型的装置。

技术领域

本公开涉及一种训练收率预测模型的方法和装置。

背景技术

对于石化等流程制造行业，其装置的工艺指标(如温度、压力等)直接决定了产品的收率。有效调节装置的工艺指标，对于提高产品收率，进而实现装置经济效益最大化是非常关键的。基于装置积累的海量历史数据，采用机器学习技术，挖掘使装置目标产物产量达到最大的工艺指标取值。然而，本发明人发现，现有模型对产品收率的预测的效果并不理想。

发明内容

本公开的一个方面提供了一种训练收率预测模型的方法，包括获得训练数据，所述训练数据包括多个第一指标的数据以及收率的数据，所述多个第一指标包括可控指标和不可控指标，基于所述多个第一指标的数据，从所述不可控指标中确定与任意所述可控指标的相关性大于第一阈值的不可控指标作为第一类不可控指标，以及将其他不可控指标确定为第二类不可控指标，将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述收率的数据作为输出，训练所述收率预测模型。

可选地，所述将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述收率的数据作为输出，训练所述收率预测模型包括将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述第一类不可控指标和所述收率的数据作为输出，训练所述收率预测模型。

可选地，所述获得训练数据包括获得原始数据，所述原始数据包括多个第二指标的数据以及收率的数据，确定所述多个第二指标中与收率的相关性高于第二阈值的第二指标作为第一指标，生成包括多个第一指标的数据以及收率的数据的训练数据。

可选地，所述收率预测模型包括用于预测收率的神经网络模型，所述神经网络模型包括多个隐藏层，所述隐藏层包括全连接层、RNN层或者LSTM层中的至少一种。

可选地，所述方法还包括获得待调优的时间点的所述可控指标的数据和所述第二类不可控指标的数据，通过经训练的所述收率预测模型，得到所述待调优的时间点的收率的预测数据，以及调整输入的所述可控指标的数据，使得所述收率的预测数据达到最大值，将使所述收率的预测数据达到最大值的可控指标的数据确定为优化结果。

本公开的另一个方面提供了一种训练收率预测模型的装置，包括第一获得模块、分类模块以及训练模块。第一获得模块，用于获得训练数据，所述训练数据包括多个第一指标的数据以及收率的数据，所述多个第一指标包括可控指标和不可控指标。分类模块，用于基于所述多个第一指标的数据，从所述不可控指标中确定与任意所述可控指标的相关性大于第一阈值的不可控指标作为第一类不可控指标，以及将其他不可控指标确定为第二类不可控指标。训练模块，用于将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述收率的数据作为输出，训练所述收率预测模型。

可选地，所述训练模块用于将所述可控指标的数据和所述第二类不可控指标的数据作为输入，将所述第一类不可控指标和所述收率的数据作为输出，训练所述收率预测模型。

可选地，所述第一获得模块包括获得子模块、确定子模块以及生成子模块。获得子模块，用于获得原始数据，所述原始数据包括多个第二指标的数据以及收率的数据。确定子模块，用于确定所述多个第二指标中与收率的相关性高于第二阈值的第二指标作为第一指标。生成子模块，用于生成包括多个第一指标的数据以及收率的数据的训练数据。

可选地，所述收率预测模型包括用于预测收率的神经网络模型，所述神经网络模型包括多个隐藏层，所述隐藏层包括全连接层、RNN层或者LSTM层中的至少一种。