[发明专利]基于神经网络的数据估算方法、设备、存储介质及装置

权利要求书

1.一种基于神经网络的数据估算方法，其特征在于，所述基于神经网络的数据估算方法包括以下步骤：

获取待估算参数在不同采集位置的采集数据；

根据所述采集数据通过预设公式计算变异函数中的目标离散点；

根据所述目标离散点通过预设神经网络模型进行数据拟合，获得变异函数模型；

根据所述变异函数模型及所述采集数据对所述待估算参数进行插值估算，获得未采集位置的估算数据。

2.如权利要求1所述的基于神经网络的数据估算方法，其特征在于，所述根据所述目标离散点通过预设神经网络模型进行数据拟合，获得变异函数模型之前，所述基于神经网络的数据估算方法还包括：

构建基础神经网络模型；

获取样本离散点，将所述样本离散点作为所述基础神经网络模型的输入层的输入，经过所述基础神经网络模型的第二层、第三层和输出层，以对所述基础神经网络模型进行训练，获得所述预设神经网络模型。

3.如权利要求2所述的基于神经网络的数据估算方法，其特征在于，所述基础神经网络模型的第二层和第三层的激活函数均为线性整流函数。

4.如权利要求2所述的基于神经网络的数据估算方法，其特征在于，所述获取样本离散点，将所述样本离散点作为所述基础神经网络模型的输入层的输入，经过所述基础神经网络模型的第二层、第三层和输出层，以对所述基础神经网络模型进行训练，获得所述预设神经网络模型，具体包括：

获取样本离散点，将所述样本离散点作为所述基础神经网络模型的输入层的输入，经过所述基础神经网络模型的第二层、第三层和输出层，获得原始输出结果；

所述原始输出结果经过预设损失函数，以对所述基础神经网络模型进行训练，获得所述预设神经网络模型。

5.如权利要求4所述的基于神经网络的数据估算方法，其特征在于，所述原始输出结果经过预设损失函数，以对所述基础神经网络模型进行训练，获得所述预设神经网络模型，具体包括：

所述原始输出结果经过预设损失函数，获得损失函数值；

所述损失函数值经过预设优化器，以对所述基础神经网络模型进行训练，获得所述预设神经网络模型。

6.如权利要求5所述的基于神经网络的数据估算方法，其特征在于，所述预设损失函数为交叉熵。

7.如权利要求1-6中任一项所述的基于神经网络的数据估算方法，其特征在于，所述预设公式为：

γ(x,h)＝0.5E[Z(x)-Z(x+h)]²；

其中，γ(x,h)为所述目标离散点，E为期望运算，Z(x)为在采集位置x的采集数据，Z(x+h)为在采集位置(x+h)的采集数据。

8.一种基于神经网络的数据估算设备，其特征在于，所述基于神经网络的数据估算设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于神经网络的数据估算程序，所述基于神经网络的数据估算程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于神经网络的数据估算方法的步骤。

9.一种存储介质，其特征在于，所述存储介质上存储有基于神经网络的数据估算程序，所述基于神经网络的数据估算程序被处理器执行时实现如权利要求1至7中任一项所述的基于神经网络的数据估算方法的步骤。

10.一种基于神经网络的数据估算装置，其特征在于，所述基于神经网络的数据估算装置包括：

获取模块，用于获取待估算参数在不同采集位置的采集数据；

计算模块，用于根据所述采集数据通过预设公式计算变异函数中的目标离散点；

数据拟合模块，用于根据所述目标离散点通过预设神经网络模型进行数据拟合，获得变异函数模型；

插值估算模块，用于根据所述变异函数模型及所述采集数据对所述待估算参数进行插值估算，获得未采集位置的估算数据。