[发明专利]一种预测机器损坏时间的生存分析方法

权利要求书

1.一种预测机器损坏时间的生存分析方法，其特征在于，包括以下步骤：

步骤1、取得机器的特征数据；

步骤2、将起始时刻至时刻t的时间段划分成长度为l_interval的n个时间片，生成每个所述时间片的输入数据；

步骤3、将所述步骤2得到的第k个所述时间片的输入数据输入神经网络，由所述神经网络得到第k个所述时间片的最终风险概率；

步骤4、计算得到最终的生存概率；

所述步骤1中，先取得所述机器的特征向量x_d，将x_d输入到所述神经网络的词嵌入模块提取单一的特征，然后输入进所述神经网络的特征交叉模块进行高阶特征提取，得到交叉后的特征x；

所述步骤2中，第k个所述时间片的输入数据里面包括三元组(x,t_k,c_k)，其中，t_k是该时间片对应的时刻，c_k是一个比例放缩因子，用来调整时间段不能被l_interval整除的情况，除最后一个时间片外c_k全部取1，最后一个时间片中c_k等于剩余时间的长度与l_interval的比值。

2.如权利要求1所述的生存分析方法，其特征在于，所述机器的特征数据采用独热编码。

3.如权利要求1所述的生存分析方法，其特征在于，所述步骤1中，采用自注意力机制来实现所述神经网络的特征交叉模块。

4.如权利要求1所述的生存分析方法，其特征在于，所述步骤3中，将输入数据x和t_k输入至所述神经网络的风险概率模块中，得到第k个所述时间片的风险概率h_k。

5.如权利要求4所述的生存分析方法，其特征在于，所述神经网络的风险概率预测模块的输出的数字在[0,1]之间。

6.如权利要求4所述的生存分析方法，其特征在于，所述步骤3中，将输入向量x和c_k输入到所述神经网络的比例风险模块中，得到第k个所述时间片的风险比例s_k；第k个时间片的最终风险概率h_kr＝h_k*s_k。

7.如权利要求6所述的生存分析方法，其特征在于，所述步骤4中，最终的生存概率为

其中，n为时间片的总数。

8.如权利要求1所述的生存分析方法，其特征在于，在所述神经网络使用前，通过对数似然损失函数来训练所述神经网络；训练数据集中的删失数据标记为0，非删失数据标记为1；对于所述非删失数据，所述时刻t取事件发生的时刻，对于所述删失数据，所述时刻t取观测结束的时刻。