一种基于双层迁移学习的订单生产进度实时预测方法

摘要

本发明公开了一种基于双层迁移学习的订单生产进度实时预测方法，具体为：将加入实时生产状态数据的数据集划分为历史订单数据集和当前订单数据集，并进行归一化处理；采用深度稀疏自编码器建立历史订单数据集的特征提取模型，以特征提取后的历史订单数据作为次级训练集，构建支持向量回归模型mh；基于当前订单数据集对深度稀疏自编码器微调，建立第一层迁移学习模型；使用特征提取后的当前订单数据集建立支持向量回归模型mc，基于mc和mh的相似度建立第二层迁移学习模型，作为当前订单的生产进度预测模型。本发明解决了当前订单数据量较少带来的预测精度较低、泛化性能差的问题。