[发明专利]一种应用于具有多次反馈调节特点场景的建模方法

权利要求书

1.一种应用于具有多次反馈调节特点场景的建模方法，其特征在于，包括：

（1）问题的分析与建模：假设工业生产系统的调节包含若干阶段，每个阶段根据之前阶段的检测指标、之前阶段的配方剂量方案以及当前阶段的检测指标，预测当前阶段的配方剂量方案；

（2）数据采集与模型训练：

（2.1）采集历史数据，包括每一次完整调节流程中的各阶段的检测指标、使用的配方剂量方案，以及使用配方剂量后得到的结果指标；当应用场景为治疗过程的用药预测场景时，需要采集上千份结构化的电子病历数据，包括治疗成功和治疗失败的病历，从中取出各个阶段的检测指标、医生的配方剂量方案、配方剂量后得到的结果指标；配方剂量方案一般包括各种成分的剂量时间和剂量，将配方剂量时间作为浮点数处理；

（2.2）数据预处理：将数值型指标按照所有数据出现的最大、最小值进行归一化，即缩放到[0,1]的范围；选项型指标用0和1表示，如该选项出现为1，不出现为0；每项指标的意义应当为值越小表示结果越好，选项型指标为0表示结果好，如果不符合“值越小表示结果越好”，则用1减去归一化后的值进行处理；

（2.3）模型训练：给定一组数据，包括配方剂量前指标I₁、配方剂量方案X₁、配方剂量后指标I₂，假设存在函数关系I₂=function(I₁, X₁)，即在使用配方前指标一定的情况下，经过一定的配方剂量后，其结果应当是一定的；用神经网络来拟合这一函数关系：

I₂ = relu(w₁*[I₁, X₁] + b) * w₂  (1)

用历史数据来训练这一函数，得到其参数w₁、b、w₂的值，其中w₁的维度为(n1, dim_hidden)，n1为I₁的指标数量，dim_hidden为每一层神经网络参数个数；神经网络采用多层神经网络；

（2.4）预测：根据使用配方前指标I₁预测配方剂量方案X₁，利用训练好的函数(1)，计算能够让结果指标值最小的配方剂量方案X₁，把使用配方后指标I₂线性组合为一个浮点数值I₂^’ = func_linear(I₂₀ 、I_21 … I_2n2) ；采用梯度下降类优化方法或Gibbs Sampling方法计算如下式得到X₁：

argmin_X1(I₂^’) =argmin_X1(function (I₁, X₁) ) = argmin_X1(relu(w₁*[I₁, X₁] + b) *w₂)   (2)

其中w₁、b、w₂为步骤2.3中得到的值，I₁为输入值，计算X₁的值使得式(2)即I₂^’的值最小；

（2.5）对调节流程中的每个阶段按步骤2.3和2.4进行建模。