[发明专利]一种基于seq2seq的数据缺失值预测方法及系统

说明书

本发明公开了一种基于seq2seq的数据缺失值预测方法及系统，包括：预先构建初始seq2seq模型，seq2seq模型包括编码器和解码器，编码器和解码器均采用LSTM模型，在初始seq2seq模型的输出层添加全连接层，生成预先构建的seq2seq模型；基于家畜的耳标传感器获取家畜的传感器数据样本；基于传感器数据样本对预先构建的seq2seq模型进行训练，生成缺失值预测模型；获取待预测的传感器数据，将所述待预测的传感器数据输入缺失值预测模型，得到数据缺失值预测结果。本发明可以很好的缓解传感器因信号导致数据采集不足的问题，提高了数据缺失值预测效率，为家畜的传感器数据分析提供了方便。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于seq2seq的数据缺失值预测方法及系统。

背景技术

传感器技术的发展已经日趋成熟，目前已经被用在各行各业中，例如，制造业，服务业，信息技术等许多方面均要使用传感器；生活水平的整体提高也带来了人们对于畜牧业产品的消费急速上涨，对于肉类产品的要求也在水涨船高，因此肉类是否能高质量生产取决于养殖行业的运营情况，对猪，牛，羊的日常管理监控也变得越来越重要，好的监控管理是肉类生产的重要保证，肉类的监测需要传感器技术的支撑。

现有技术中通常采用钉在牲口耳朵上的耳标传感器对猪、牛、羊等家畜进行监控，耳标装置主要包含了加速度和温度传感器，此传感器具备了采集运动加速度以及的动物体温数据的功能，采集回来的数据有助于相关工作人员的监测工作；因此数据采集的越完整越有助于后续工作。由于传感器极易受环境因素的影响(比如恶劣气候条件下)，导致设备容易出现接收数据不稳定的情况。

现有技术中的预测方法采用的ARIMA算法,该方法需要参数调节以及滑动平均，并认为分析参数截尾(比如一阶还是二阶)，并且现有方法主要还是单步预测(即算法每运行一次便只预测一个值)，可是现实场景中，传感器数据缺失值可能较多，采用单步预测会出现效率低，计算复杂度较大，不能实时生成结果的情况，该方法结构简单，且对时序数据稳定性要求较高，而畜牧业领域传感器的数据量较大(有大量历史数据)，且容易因为信号原因出现异常值，因此数据缺失值预测效果较差。

因此现有技术还有待于进一步发展。

发明内容

针对上述技术问题，本发明实施例提供了一种基于seq2seq的数据缺失值预测方法及系统，能够解决现有技术中于缺失数据预测方法采用的ARIMA算法，计算复杂度较大，对时序数据稳定性要求较高，且容易因为信号原因出现异常值，因此数据缺失值预测效果较差的技术问题。

本发明实施例的第一方面提供一种基于seq2seq的数据缺失值预测方法，包括：

预先构建初始seq2seq模型，其中所述seq2seq模型包括编码器和解码器，所述编码器采用LSTM模型，所述解码器采用LSTM模型；

在所述初始seq2seq模型的输出层添加全连接层，生成预先构建的seq2seq模型；

基于家畜的耳标传感器获取家畜的传感器数据样本；

基于传感器数据样本对预先构建的seq2seq模型进行训练，生成缺失值预测模型；

获取待预测的传感器数据，将所述待预测的传感器数据输入所述缺失值预测模型，得到数据缺失值预测结果。

可选地，所述基于家畜的耳标传感器获取家畜的传感器数据样本，包括：

基于家畜的耳标传感器获取家畜实时的传感器数据，所述家畜的实时数据包括家畜的温度数据和运动数据；

将所述家畜的实时数据与家畜的标识号进行映射后存储至时序数据库；

检测到传感器数据样本生成指令，则基于家畜的耳标号获取家畜的标识号；

根据家畜的标识号在所述时序数据库中读取家畜对应的传感器数据；