[发明专利]一种地下运输作业工时预测方法、装置、设备及存储介质

权利要求书

1.一种地下运输作业工时预测方法，其特征在于，包括：

获取作业工时影响因素指标，并根据所述作业工时影响因素指标提取影响地下运输作业工时的有效因子；

构建初始IGA-ENN模型；

将所述有效因子作为输入变量输入到所述初始IGA-ENN模型，并将地下运输作业工时作为所述初始IGA-ENN模型的输出进行迭代训练得到训练完备的目标IGA-ENN模型；

将待预测有效因子的数据输入至所述训练完备的目标IGA-ENN模型，对所述地下运输作业工时进行预测。

2.根据权利要求1所述的地下运输作业工时预测方法，其特征在于，所述作业工时影响因素指标包括驾驶员信息、运输设备信息以及环境信息。

3.根据权利要求1所述的地下运输作业工时预测方法，其特征在于，获取所述作业工时影响因素指标之后，通过预设方式将定性指标转化为定量指标。

4.根据权利要求3所述的地下运输作业工时预测方法，其特征在于，所述通过预设方法将定性指标转化为定量指标之后，提取影响地下运输作业工时的有效因子，具体为：

将作业工时影响因素的定量指标作为原始输入矩阵，确定样本点最近邻点的个数K以及降维后的特征维数；

计算样本点与其他样本点间的欧氏距离，确定每个样本点的K个最邻近点，K个邻近点构成最邻近点的集合；

计算每个样本点被其最邻近点的集合重构的系数矩阵；

计算重构系数矩阵与原始数据矩阵的内积，即为影响地下运输作业工时的有效因子。

5.根据权利要求4所述的地下运输作业工时预测方法，其特征在于，所述提取影响地下运输作业工时的有效因子之后，还包括对所述有效因子归一化处理，具体为：

归一化公式为：

其中，Y为有效因子的原始数据；Y_min为原始数据的最小值；Y_max为原始数据的最大值。

6.根据权利要求1所述的地下运输作业工时预测方法，其特征在于，所述构建初始IGA-ENN模型之后，还包括：

设置IGA算法的初始参数；

将所述有效因子输入到ENN模型，计算输出误差，并基于所述输出误差计算适应度函数；

当满足适应度函数的预设精度或者达到最大迭代次数时，得到ENN模型的最优权值和阈值，即得到训练完备的目标IGA-ENN模型。

7.根据权利要求6所述的地下运输作业工时预测方法，其特征在于，所述计算适应度函数，具体为：

计算真实值与预测值之间的误差，确定当前时刻ENN模型的预测值以及对应的真实值；

根据所述有效因子，利用IGA算法对ENN模型的权值和阈值进行寻优，计算ENN模型最小的输出值与真实值的误差平方和。

8.一种地下运输作业工时预测装置，其特征在于，包括：

获取模块，用于获取作业工时影响因素指标，并根据所述作业工时影响因素指标提取影响地下运输作业工时的有效因子；

建模模块，用于构建初始IGA-ENN模型；

优化模块，用于将所述有效因子作为输入变量输入到所述初始IGA-ENN模型，并将地下运输作业工时作为所述初始IGA-ENN模型的输出进行迭代训练得到训练完备的目标IGA-ENN模型；

预测模块，用于将待预测有效因子的数据输入至所述训练完备的目标IGA-ENN模型，对所述地下运输作业工时进行预测。

9.一种电子设备，其特征在于，包括存储器和处理器，其中，

所述存储器，用于存储程序；

所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述地下运输作业工时预测方法中的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述地下运输作业工时预测方法中的步骤。