[发明专利]一种制造业多价值链协同数据空间机器学习数据分析方法

权利要求书

1.一种制造业多价值链协同数据空间机器学习数据分析方法，包括以下步骤：

步骤1：数据采集与数据预处理；

采集制造业多价值链的供应、营销、服务和生产环节各影响因素的异域、异源、异构数据，同时对采集的多源异构数据进行数据预处理，初步建立多源异构数据集；

步骤2：预测模型库以及模型参数优化库的建立；

将制造业多多价值链的供应、营销及服务环节的各影响因素作为输入，生产作为输出，利用多个神经网络分别进行学习建立预测模型库；根据预测模型的特点建立参数优化库；

步骤3：模型训练及优化；

将所述步骤1中的数据集按照一定比例划分为训练集、验证集和测试集，对所述步骤2所建立的模型库中的各个模型进行训练，同时利用参数优化库中的优化算法对各模型的参数进行优化得到最优模型；

步骤4：生产预测；

将制造业多价值链的供应、营销及服务环节的各影响因素数据输入所述步骤3得到的最优模型中，得到制造业企业的生产预测值。

2.根据权利要求1所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述步骤1中的数据采集方法包括爬虫、离线采集ETL、实时采集Flume/Kafka。

3.根据权利要求1所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述数据预处理包括数据清理、数据集成、数据变换、数据归约。

4.根据权利要求1所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述步骤2中的神经网络包括BP神经网络、卷积神经网络、循环神经网络。

5.根据权利要求1所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述参数优化库的优化算法包括BAS搜索算法、粒子群优化算法、遗传算法、Adam优化算法、CS算法。

6.根据权利要求4所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，BP神经网络的学习率取值在0.01-0.8之间。

7.根据权利要求4所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，卷积神经网络学习过程中批次大小调整范围为[16,128]内。

8.根据权利要求4所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，循环神经网络隐藏层的节点数量以级数(32,64,128,256)方式优化调整。

9.根据权利要求1所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述步骤1中的数据预处理中，采用异常值20％修匀处理方法对异常值进行判定和修正。

10.根据权利要求9所述的一种制造业多价值链协同数据空间机器学习数据分析方法，其特征在于，所述异常值20％修匀处理方法包括：假设制造业各价值链各影响因素数据为x₁,x₂,…x_n，取平均值

若x_ip(1+20％)或x_ip(1-20％)，则判定该数值为异常值，需要进行处理；

处理方法为：

当x_ip(1+20％)时，取x_i＝p(1+20％)；

当x_ip(1-20％)时，取x_i＝p(1-20％)。