[发明专利]数据处理方法、装置、设备和存储介质

说明书

本申请实施例提供了一种数据处理方法、装置、设备和存储介质，以解决现有技术中，软测量模型的预测性能较差的问题。所述方法包括：获取目标事务的待预测数据；将所述待预测数据输入至目标预测器，得到预测结果；其中，所述预测结果包括至少两个因变量；所述待预测数据包括所述因变量的自变量；所述目标预测器包括图卷积层，所述图卷积层包括根据样本数据训练得到的图结构，所述图结构的结点包括所述样本数据中的样本因变量。本申请实施例基于以多因变量为结点的图结构，采用图卷积运算将具有相关关系的结点相连接，使不同因变量在预测过程相互影响，以提高多因变量预测的综合软测量性能。

技术领域

本申请涉及计算机技术领域，特别是涉及一种数据处理方法和装置、一种电子设备和一种存储介质。

背景技术

多变量预测控制(Multivariable predictive control)是指具有多个输入量或输出量的，采用多步测试、滚动优化和反馈校正等控制策略的一种控制方法。多变量预测控制系统又称多输入多输出系统，广泛应用于工业生产、大数据处理以及人工智能等领域中。实际应用中，多变量预测控制系统通常采用预测模型，输入自变量，通过闭环反馈控制的思想预测因变量。然而，预测过程中，存在着大量难以测量、无法测量以及测量存在较大滞后的被控变量(即因变量)，传统的检测方式无法提供闭环回路中的反馈信息，致使反馈控制便无法实现。因此，现有技术中，多变量预测控制系统的预测性能较差，准确率较低。

以工业生产领域为例，随着自动化技术的不断进步，现代工业已开始逐步进入全自动化生产阶段。在工业生产中，得益于自动化技术中闭环反馈控制的核心思想，可通过对工业生产中的被控变量进行感知，从而调控生产过程，以有效克服生产过程中的扰动，实现生产过程的自动化控制。

软测量技术的出现为解决上述问题提供了一种方法。由于整个工业生产过程中的众多变量间存在相互耦合关系，因此软测量的核心思想是利用容易直接测量的变量(即自变量)建立模型，进而预测难以测量的变量(即因变量)。基于软测量技术的闭环反馈控制性能，在很大程度上取决于对因变量的预测性能，因此，构建一种实时性好、预测精准的软测量模型能够为后续的过程控制与优化提供有效的感知基础。

目前软测量技术通常分为两大类：基于模型的测量技术和基于数据的测量技术。由于基于数据的软测量方法无需大量工业过程的机理知识为基础，仅依靠现场采集的大量数据，构建模型来刻画对象的特性，因此得到了广泛的研究与发展，一些技术数据的软测量模型也广泛应用于工业测量领域。

在实际工业应用中，软测量模型通常需要对多个因变量进行预测，导致其预测性能较差。

发明内容

本申请实施例提供了一种数据处理方法，以提升多变量预测控制系统的预测性能。

相应的，本申请实施例还提供了一种数据处理装置、一种电子设备以及一种存储介质，用以保证上述方法的实现及应用。

为了解决上述问题，本申请实施例公开了一种数据处理方法，所述方法包括：

获取目标事务的待预测数据；所述目标事务包括根据所述待预测数据执行的生产事务或参数预测事务；

将所述待预测数据输入至目标预测器，得到预测结果；其中，所述预测结果包括至少两个因变量；所述待预测数据包括所述因变量的自变量；

所述目标预测器包括图卷积层，所述图卷积层包括根据样本数据训练得到的图结构，所述图结构的结点包括所述样本数据中的样本因变量。

本申请实施例还公开了一种数据处理装置，所述装置包括：

获取目标生产事务的自变量数据；所述自变量数据包括起点元素加入量，或所述自变量数据包括起点元素加入量以及过程控制变量；

将所述自变量数据输入至目标预测器，得到预测结果；其中，所述预测结果包括至少两个因变量；所述因变量包括终点元素含量；