本發(fā)明涉及汽車維修，特別是涉及一種基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法。

背景技術(shù)：

1、隨著全球汽車保有量的快速增長(zhǎng)，汽車在人們的生活中扮演著越來(lái)越重要的角色。因此，與汽車密切相關(guān)的汽車維修行業(yè)已成為影響人們生活質(zhì)量的重要領(lǐng)域。近年來(lái)，深度學(xué)習(xí)技術(shù)在圖像識(shí)別、自然語(yǔ)言處理、復(fù)雜策略游戲等多個(gè)領(lǐng)域取得了突破性進(jìn)展。其中，深度學(xué)習(xí)在汽車行業(yè)的應(yīng)用備受關(guān)注，尤其是在汽車維護(hù)方面。隨著汽車行業(yè)邁入數(shù)據(jù)驅(qū)動(dòng)和智能服務(wù)的新時(shí)代，利用深度學(xué)習(xí)技術(shù)預(yù)測(cè)汽車維護(hù)；

2、隨著汽車行業(yè)邁入數(shù)據(jù)驅(qū)動(dòng)和智能服務(wù)的新時(shí)代，利用深度學(xué)習(xí)技術(shù)預(yù)測(cè)汽車維修保養(yǎng)已成為研究重點(diǎn)。

3、傳統(tǒng)的汽車維護(hù)主要依靠定期檢查和駕駛員的主觀判斷，但這種方法往往不夠精確和及時(shí)，無(wú)法有效預(yù)防故障的發(fā)生。因此，這導(dǎo)致了汽車停機(jī)時(shí)間的增加和維護(hù)成本的上升。此外，隨著汽車系統(tǒng)復(fù)雜性的不斷增加，傳統(tǒng)的預(yù)測(cè)方法很難準(zhǔn)確預(yù)測(cè)未來(lái)可能出現(xiàn)的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提出一種基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，以解決上述現(xiàn)有技術(shù)存在的問題，通過lstm捕捉維修記錄中的長(zhǎng)期依賴關(guān)系，并通過注意力機(jī)制強(qiáng)調(diào)關(guān)鍵的歷史信息。結(jié)合了?dropout?技術(shù)和定制激活函數(shù)，以增強(qiáng)模型的泛化能力和魯棒性。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、一種基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，包括：

4、獲取汽車維修數(shù)據(jù)，構(gòu)建數(shù)據(jù)集；

5、利用關(guān)鍵信息學(xué)習(xí)策略，將長(zhǎng)短期記憶網(wǎng)絡(luò)與注意機(jī)制相結(jié)合，構(gòu)建原始預(yù)測(cè)模型；

6、利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲取汽車維修項(xiàng)目預(yù)測(cè)模型；

7、利用所述汽車維修項(xiàng)目預(yù)測(cè)模型，預(yù)測(cè)汽車的所有維修項(xiàng)目。

8、可選地，所述汽車維修數(shù)據(jù)為維修次數(shù)大于等于兩次的車輛數(shù)據(jù)，所述汽車維修數(shù)據(jù)包括：車輛數(shù)、最多維修次數(shù)、平均維修次數(shù)、維修項(xiàng)目代碼數(shù)、每次維修的最大項(xiàng)目代碼數(shù)、每次維護(hù)的平均項(xiàng)目代碼數(shù)。

9、可選地，所述注意機(jī)制為：

10、

11、其中，q為查詢向量，k為關(guān)鍵向量，v為價(jià)值向量，wq為查詢向量的權(quán)重，wk為關(guān)鍵向量的權(quán)重，t為矩陣轉(zhuǎn)置運(yùn)算，wv為價(jià)值向量的權(quán)重，d為注意力維度。

12、可選地，利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練包括：

13、將所述數(shù)據(jù)集中將最后一次保養(yǎng)記錄作為標(biāo)簽，剩余的保養(yǎng)記錄則作為輸入特征，對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練，使所述原始預(yù)測(cè)模型能夠根據(jù)前t次保養(yǎng)的保養(yǎng)項(xiàng)目，預(yù)測(cè)下一的保養(yǎng)項(xiàng)目。

14、可選地，利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練還包括：采用二進(jìn)制交叉熵?fù)p失函數(shù)作為全局目標(biāo)函數(shù)；

15、所述二進(jìn)制交叉熵?fù)p失函數(shù)為：

16、

17、其中，l為誤差結(jié)果，為維保項(xiàng)目的種類，i為維保項(xiàng)目的編碼序號(hào)，為進(jìn)行轉(zhuǎn)置運(yùn)算，為第i種維保項(xiàng)目的預(yù)測(cè)結(jié)果，為第i種維保項(xiàng)目的真實(shí)結(jié)果。

18、所述原始預(yù)測(cè)模型中，通過長(zhǎng)短期記憶網(wǎng)絡(luò)捕捉維修記錄中的長(zhǎng)期依賴關(guān)系，使模型學(xué)習(xí)到維保項(xiàng)目發(fā)展過程中的長(zhǎng)期規(guī)律，并通過注意力機(jī)制強(qiáng)調(diào)關(guān)鍵的歷史信息，使得模型能夠?qū)W習(xí)到歷史的關(guān)鍵維保項(xiàng)目對(duì)未來(lái)維保項(xiàng)目的影響，從而提高模型的預(yù)測(cè)準(zhǔn)確率。

19、本發(fā)明的有益效果為：

20、為了提高從歷史序列數(shù)據(jù)中提取關(guān)鍵特征的能力，本發(fā)明引入了注意機(jī)制，使模型能夠自動(dòng)優(yōu)先處理重要的歷史維修記錄。為了提高預(yù)測(cè)模型的泛化能力和魯棒性，結(jié)合隱層輸出和dropout技術(shù)開發(fā)了一個(gè)定制的分類器，同時(shí)激活函數(shù)增強(qiáng)了模型的非線性表示能力。利用真實(shí)世界數(shù)據(jù)的綜合實(shí)驗(yàn)表明，與最先進(jìn)的基準(zhǔn)測(cè)試相比，本發(fā)明的模型具有卓越的性能。

技術(shù)特征：

1.一種基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，所述汽車維修數(shù)據(jù)為維修次數(shù)大于等于兩次的車輛數(shù)據(jù)，所述汽車維修數(shù)據(jù)包括：車輛數(shù)、最多維修次數(shù)、平均維修次數(shù)、維修項(xiàng)目代碼數(shù)、每次維修的最大項(xiàng)目代碼數(shù)、每次維護(hù)的平均項(xiàng)目代碼數(shù)。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，所述注意機(jī)制為：

4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練包括：

5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練還包括：采用二進(jìn)制交叉熵?fù)p失函數(shù)作為全局目標(biāo)函數(shù)；

6.根據(jù)權(quán)利要求4所述的基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，其特征在于，所述原始預(yù)測(cè)模型中，通過長(zhǎng)短期記憶網(wǎng)絡(luò)捕捉維修記錄中的長(zhǎng)期依賴關(guān)系，使模型學(xué)習(xí)到維保項(xiàng)目發(fā)展過程中的長(zhǎng)期規(guī)律，并通過注意力機(jī)制強(qiáng)調(diào)關(guān)鍵的歷史信息，使得模型能夠?qū)W習(xí)到歷史的關(guān)鍵維保項(xiàng)目對(duì)未來(lái)維保項(xiàng)目的影響。

技術(shù)總結(jié)
本發(fā)明涉及一種基于深度學(xué)習(xí)的汽車維修項(xiàng)目預(yù)測(cè)方法，包括：獲取汽車維修數(shù)據(jù)，構(gòu)建數(shù)據(jù)集；利用關(guān)鍵信息學(xué)習(xí)策略，將長(zhǎng)短期記憶網(wǎng)絡(luò)與注意機(jī)制相結(jié)合，構(gòu)建原始預(yù)測(cè)模型；利用所述數(shù)據(jù)集對(duì)所述原始預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲取汽車維修項(xiàng)目預(yù)測(cè)模型；利用所述汽車維修項(xiàng)目預(yù)測(cè)模型，預(yù)測(cè)汽車的所有維修項(xiàng)目。本發(fā)明突破了現(xiàn)有方法只能預(yù)測(cè)汽車部分維修項(xiàng)目的局限性，能夠預(yù)測(cè)汽車的所有維修項(xiàng)目。

技術(shù)研發(fā)人員：陳方華,周剛,鄔果昉,鞏建強(qiáng),晉杰,劉富佳,王平,陳潮洲,楊小娟
受保護(hù)的技術(shù)使用者：交通運(yùn)輸部公路科學(xué)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26