专利交易市场

一种基于机器学习与回溯法结合的模具组合分配方法属于信息技术领域，首先依据预制构件生产企业的历史日生产订单数据，对单日的生产订单按照构件类型的生产件数进行分组，运用0‑1背包思想对每个分组构建组合分配模型，并通过回溯法找到充分利用模台面积的理论最佳适配组合结果，运用改进的BL定位算法模拟模具在模台上的摆放过程，通过回溯法寻找剩下的构件中的最佳适配组合结果，得到该单日的生产订单中的最佳适配组合集合。将所有的订单进行训练，得到一个最佳适配集合库，运用Apriori算法对得到的数据集进行训练，设置最小支持度，得到频繁项集里所包含的关联规则。减少了换模时间，增加了模台的利用率。

本发明公开了基于深度学习的多元时间序列趋势预测方法，包括以下步骤：读取多元时间序列数据，捕获多元时间序列的局部特征，获取数据之间的相关性；捕获数据的长短期趋势；循环双阶注意力层获取数据的动态周期特性；将经过数据预处理的多元时间序列数据采用线性模型ARIMA进行处理、全连接处理，预测结果加和，判断是否达到训练次数；设置阈值，把得到的最优预测模型的预测结果数据与设置的阈值进行比较。本发明同时还提供了基于深度学习的多元时间序列趋势预测系统。本发明动态捕获数据的长短期依赖的周期性，提高对基于获取的多元时间序列对设备潜在风险预判准确度，提高了多元时间序列趋势预测的精确率。