[发明专利]预测模型的训练方法、装置、设备和存储介质

说明书

本发明提出一种预测模型的训练方法和装置、设备和存储介质，其中，方法包括：获取多个源域数据；其中，多个源域数据包括源标签；将多个源域数据输入神经网络进行训练，获取第一预测结果，根据第一预测结果和源标签调整神经网络的网络参数，以生成预训练模型；获取目标域数据，其中，目标域数据包括目标标签；将目标域数据输入预训练模型进行训练，获取第二预测结果，根据第二预测结果和目标标签调整预训练模型的网络参数，以生成目标域的预测模型。由此，通过源域的数据进行预训练获取预训练模型，并通过目标域的数据对预训练模型的参数进行微调，生成预测模型以实现数据量很少的情况下也能够准确预测。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种预测模型的训练方法、装置、设备和存储介质。

背景技术

通常，室内温度的预测对于区域供热系统预测控制是十分重要的，一方面可以将室内温度维持到一个人体舒适的范围，另一方面可以减少供热温度波动，降低热损耗，从而达到节能减排的目的。

相关技术中，室内温度的预测方法对于时间序列预测依赖于充足的训练数据，而现实生活中，对于新建成的小区，传感器数据往往是很少的，这就会导致训练过拟合的问题，从而对于未来的预测性能下降。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

本发明提出一种预测模型的训练方法、装置、设备和存储介质，解决了新建成小区，在数据量很少的情况下，如何保证准确预测的问题，实现通过源域的数据进行预训练获取预训练模型，并通过目标域的数据对预训练模型的参数进行微调，生成预测模型以实现数据量很少的情况下也能够准确预测。

本发明第一方面实施例提出了一种预测模型的训练方法，包括：

获取多个源域数据；其中，所述多个源域数据包括源标签；

将所述多个源域数据输入神经网络进行训练，获取第一预测结果，根据所述第一预测结果和所述源标签调整所述神经网络的网络参数，以生成预训练模型；

获取目标域数据，其中，所述目标域数据包括目标标签；

将所述目标域数据输入所述预训练模型进行训练，获取第二预测结果，根据所述第二预测结果和所述目标标签调整所述预训练模型的网络参数，以生成目标域的预测模型。

本发明实施例的预测模型的训练方法，通过获取多个源域数据；其中，多个源域数据包括源标签；将多个源域数据输入神经网络进行训练，获取第一预测结果，根据第一预测结果和源标签调整神经网络的网络参数，以生成预训练模型；获取目标域数据，其中，目标域数据包括目标标签；将目标域数据输入预训练模型进行训练，获取第二预测结果，根据第二预测结果和目标标签调整预训练模型的网络参数，以生成目标域的预测模型。由此，通过源域的数据进行预训练获取预训练模型，并通过目标域的数据对预训练模型的参数进行微调，生成预测模型以实现数据量很少的情况下也能够准确预测。

本发明第二方面实施例提出了一种预测模型的训练装置，包括：

第一获取模块，用于获取多个源域数据；其中，所述多个源域数据包括源标签；

第一训练模块，用于将所述多个源域数据输入神经网络进行训练，获取第一预测结果；

第一生成模块，用于根据所述第一预测结果和所述源标签调整所述神经网络的网络参数，以生成预训练模型；

第二获取模块，用于获取目标域数据，其中，所述目标域数据包括目标标签；

第二训练模块，用于将所述目标域数据输入所述预训练模型进行训练，获取第二预测结果；

第二生成模块，用于根据所述第二预测结果和所述目标标签调整所述预训练模型的网络参数，以生成目标域的预测模型。