[发明专利]位置预测方法、装置、计算机设备及存储介质

权利要求书

1.位置预测方法，其特征在于，包括：

获取带有设备信息的数据包，以得到初始数据包；

对所述初始数据包进行解析，以得到解析结果；

根据所述解析结果判断所述初始数据包是否是控制信号；

若所述初始数据包不是控制信号，则将所述解析结果输入至位置预测模型内进行位置预测，以得到预测结果；

根据所述预测结果对符合要求的位置数据打包，以得到目标数据；

反馈所述目标数据至终端，以使得终端进行设备特技处理；

其中，所述位置预测模型是通过设备的若干个历史运行参数信息作为样本集训练深度学习模型所得的。

2.根据权利要求1所述的位置预测方法，其特征在于，所述位置预测模型是通过设备的若干个历史运行参数信息作为样本集训练深度学习模型所得的，包括：

获取设备的历史运行参数，并进行筛选，以得到样本集；

对样本集进行划分训练集、验证集以及测试集；

构建深度学习模型；

将训练集输入至深度学习模型内进行训练，以得到初始模型；

采用验证集对初始模型进行验证；

当初始模型验证成功时，采用测试集对初始模型进行测试；

当初始模型测试成功，则所述初始模型为位置预测模型。

3.根据权利要求2所述的位置预测方法，其特征在于，所述将训练集输入至深度学习模型内进行训练，以得到初始模型，包括：

将所述训练集输入至深度学习模型内；

计算所述深度学习模型的重置门和更新门；

计算候选隐藏状态；

使用当前时间步的更新门对上一时间步的隐藏状态和当前时间步的候选隐藏状态做组合，以得到当前时间步的隐藏状态；

计算全连接层的输出，并由激活函数对全连接输出层进行计算，以得到训练结果；

根据所述训练结果以及所述训练集确定初始模型。

4.根据权利要求3所述的位置预测方法，其特征在于，所述计算候选隐藏状态，包括：

利用当前时间步的重置门输出值与上一时间步的隐藏状态相乘，以得到乘积；

将所述乘积与所述训练集中当前时间步的输入值进行连结，并通过含激活函数的全连接层计算候选隐藏状态。

5.根据权利要求1所述的位置预测方法，其特征在于，所述将所述解析结果输入至位置预测模型内进行位置预测，以得到预测结果，包括：

将所述解析结果以滑动窗口的形式输入至位置预测模型内进行位置预测，以得到预测结果，并将预测结果按照设备编号存放到队列。

6.根据权利要求1所述的位置预测方法，其特征在于，所述将所述解析结果输入至位置预测模型内进行位置预测，以得到预测结果之前，还包括：

判断设备当前的运行状态是否处于停止状态；

若设备当前的运行状态处于停止状态，则获取输入时间步的指定步数对应的位置数据作为预测结果，并执行根据所述预测结果对符合要求的位置数据打包，以得到目标数据；

若设备当前的运行状态不处于停止状态，则统计输入时间步的前后位置的欧氏距离集合；

根据所述欧氏距离集合判断所述设备是否处于断网状态；

若所述设备不处于断网状态，则执行所述将所述解析结果输入至位置预测模型内进行位置预测，以得到预测结果；

若所述设备处于断网状态，则使用预测数据替换断网状态的数据，以得到解析结果，并执行所述将所述解析结果输入至位置预测模型内进行位置预测，以得到预测结果。

7.根据权利要求1所述的位置预测方法，其特征在于，所述反馈所述目标数据至终端，以使得终端进行设备特技处理，包括：

反馈所述目标数据至终端，以使得终端将目标数据与特技触发位置进行对比，当目标数据与特技触发位置的误差符合要求，则终端触发相应的特技编号对应的特技内容；当目标数据与特技触发位置的误差不符合要求，则终端不触发相应的特技编号对应的特技内容。