数字工厂运营状态预测方法、系统、装置

摘要

本发明属于工厂运营状态监管领域，具体涉及了一种数字工厂运营状态预测方法、系统、装置，旨在解决现有技术模型训练样本为高维、未标记且非平衡数据，模型评判及预测结果准确性低的问题。本发明方法包括：通过GBDT法对获取的工厂运营数据进行特征向量提取及扩充；通过深度神经网络进行特征降维；通过具有移动窗口的单类支持向量机预警模型获取实时工厂运营状态数据异常距离度量，从而获得工厂预测运营状态。本发明采用正常状态的训练数据，结合移动窗口和单类支持向量机算法构建代表该数据集的移动窗口单类别预警模型，获得实时工厂运营状态数据异常距离度量，并能够适时的调整状态预警阈值，模型预测结果准确性高、鲁棒性好。