[发明专利]基于LSTM网络的MES系统数据在线填补方法及系统

权利要求书

1.一种基于LSTM网络的MES系统数据在线填补方法，其特征在于，包括：

步骤1：获取LSTM网络数据预测模型，所述LSTM网络数据预测模型为经过训练的LSTM网络模型；

步骤2：当当前时刻T没有接收到现场数据时，将时序数据[X_T-1,X_T-2,…,X_T-j,…,X_T-N]输入所述LSTM网络数据预测模型，在线预测当前时刻T的数据信息，其中，j＝1,2,…,N，X_T-j为当前时刻数据信息X_T之前j个时间步长的数据信息；

步骤3：当当前时段T接收到现场数据时，以时序数据[X_T-1,X_T-2,…,X_T-j,…,X_T-N]为输入，以当前时刻T接收到的现场数据为标签，对所述LSTM网络数据预测模型进行在线训练并更新。

2.根据权利要求1所述的基于LSTM网络的MES系统数据在线填补方法，其特征在于，对所述LSTM网络数据预测模型进行在线训练，具体包括：

对所述时序数据以及当前时刻T接收到的现场数据进行归一化；

以归一化后的时序数据为输入，以归一化后的现场数据为标签，对所述LSTM网络数据预测模型进行训练。

3.根据权利要求1所述的基于LSTM网络的MES系统数据在线填补方法，其特征在于，所述在线预测当前时刻T的数据信息，具体包括：

对所述时序数据进行归一化；

将归一化后的时序数据输入所述LSTM网络数据预测模型；

对所述LSTM网络数据预测模型的输出结果进行反归一化，得到当前时刻T的数据信息。

4.根据权利要求2或3所述的基于LSTM网络的MES系统数据在线填补方法，其特征在于，所述数据信息包括若干维度，数据信息的归一化为各维度的归一化。

5.根据权利要求1所述的基于LSTM网络的MES系统数据在线填补方法，其特征在于，当LSTM网络数据预测模型未被更新时，步骤1获取到的LSTM网络数据预测模型为经过预训练的LSTM模型；当LSTM网络数据预测模型经过更新后，步骤1获取到的LSTM网络数据预测模型为更新后的LSTM网络数据预测模型。

6.根据权利要求5所述的基于LSTM网络的MES系统数据在线填补方法，其特征在于，步骤3中对所述LSTM网络数据预测模型进行训练时采用的学习率低于对所述LSTM网络数据预测模型预训练时采用的学习率。

7.一种基于LSTM网络的MES系统数据在线填补系统，其特征在于，包括：

数据预测模型获取模块，用于获取LSTM网络数据预测模型，所述LSTM网络数据预测模型为经过训练的LSTM网络模型；

填补数据预测模块，用于在当前时刻T没有接收到现场数据时，将时序数据[X_T-1,X_T-2,…,X_T-j,…,X_T-N]输入所述LSTM网络数据预测模型，在线预测当前时刻T的数据信息，其中，j＝1,2,…,N，X_T-j为当前时刻数据信息X_T之前j个时间步长的数据信息；

数据预测模型更新模块，用于在当前时段T接收到现场数据时，以时序数据[X_T-1,X_T-2,…,X_T-j,…,X_T-N]为输入，以当前时刻T接收到的现场数据为标签，对所述LSTM网络数据预测模型进行在线训练并更新。