[发明专利]考勤签到调度管理方法、系统、设备及存储介质

说明书

本发明公开了一种考勤签到调度管理方法、系统、设备及存储介质，系统包括：实时采集考勤地点区域的天气数据，并对采集到的天气数据进行预处理得到初始样本集；基于改进的生成对抗网络构建预测模型；计算预测目标与真实目标图像之间的损失函数；通过损失函数对预测模型进行训练，训练中，判别器D的目标正确地识别出真实样本和正确地剔除生成的假样本，生成器G的目标是使生成的预测值被判别器D剔除的概率最小化，直至输出训练好的预测模型；将所述天气数据输入训练好的预测模型中得到预测值，根据预测值执行相应的考勤操作。本发明采用改进的GAN网络实时监测考勤地的天气情况，及时自动调整考勤方式与考勤制度，提高办事效率，避免数据出错。

技术领域

本发明属于信息处理的技术领域，具体涉及一种考勤签到调度管理方法、系统、设备及存储介质。

背景技术

目前的签到方法中，关于假期休息的设置大多是通过人工修改考勤规则或预先设定法定假期，但对于突发情况如台风天等不可抗力原因导致的不适合考勤的休息往往需要人工提前干预。而且考勤数据的统计、出勤率、薪酬等数据也需要人工导出并操作计算。这些操作在一定程度上都很依赖人工，如果人工操作出错或操作迟延可能会导致大量的错误数据和脏数据，也会加大后期统计数据的工作量和难度。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种勤签到调度管理方法、系统、设备及存储介质，实时监测考勤地的天气情况，结合当地气象局发布的相关信息如应急响应通知、预警信号数据、台风数据等，预测下一天的天气状况，判断是否需要停工停课。如有需求将自动设置当天考勤为休息并通知各考勤人员，避免人员安全事故的发生。每月定时按管理人员设置的考勤参数自动统计考勤数据，计算出勤率以及薪酬等相关数据，提高相关工作人员办事效率，避免出错。

为了达到上述目的，本发明采用以下技术方案：

本发明一方面提供了一种考勤签到调度管理方法，包括下述步骤：

实时采集考勤地点区域的天气数据，并对采集到的天气数据进行预处理得到初始样本集；

基于改进的生成对抗网络构建预测模型，具体为：将输入的原始数据采用第一卷积层和纠正线性函数修正叠加，获取初始特征图，接着对初始特征图进行上采样，将提取到的初始特征图进行放大，以更高的分辨率进行后续的三个卷积层和纠正线性函数的修正；然后将初始特征图与第四卷积层生成的特征图相乘后通过空间注意力机制和通道注意力机制，获取具体特征信息；最后将所述具体特征信息再次进行上采样后采用第五卷积层和双曲正切函数修正叠加，获取第五特征图，通过堆叠五个卷积层从原始图像中提取的特征图，建立预测模型，所述预测模型用于输出预测目标；

计算预测目标与真实目标图像之间的损失函数，所述损失函数包括生成对抗网络的判别器D的损失优化函数和生成对抗网络的生成器G的损失优化函数；

通过损失函数对预测模型进行训练，训练中，判别器D的目标正确地识别出真实样本和正确地剔除生成的假样本，生成器G的目标是使生成的预测值被判别器D剔除的概率最小化，不断的迭代训练，对于每一次迭代过程，判别器D和生成器G都会分别更新数据集的特征信息，直至输出训练好的预测模型；

将所述天气数据输入训练好的预测模型中得到预测值，根据预测值执行相应的考勤操作。

作为优选的技术方案，所述天气数据包括天气实况、预警信号、台风数据、S波段雷达数据和冰雹数据；

所述预处理包括数据清理、数据转换和数据集成。

作为优选的技术方案，所述计算预测目标与真实目标图像之间的损失函数，具体为：

损失函数由两部分组成：

其中为判别器D的损失优化函数，为生成器G的损失优化函数；

与的计算公式如下：