(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202110048119.6 (22)申请日 2021.01.14 (71)申请人 新智数字科技有限公司 地址 100020 北京市朝阳区望京东路1号摩 托罗拉大厦10层 (72)发明人 何博睿　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 杨波 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/04(2020.01) (54)发明名称 基于纵向联合学习的设备剩余使用寿命预 测模型构建装置 (57)摘要 本发明适用于人工智能技术领域， 提供了基 于纵向联合学习的设备剩余使用寿命预测模型 构建装置， 包括： 联合学习框架建立模块， 用于根 据多个设备的样本数据分别为数据节点建立纵 向联合学习框架； 预测模型建立模块， 用于进行 第一次建模得到预测模型； 样本数据标注模块， 用于利用该预测模型对各个参与方的样本数据 进行预测， 使用预测值标注对应的样本数据； 目 标模型建立模块， 用于进行第二次建模 得到目标 模型， 该目标模 型的损失函数包括预测值标注的 样本数据的损失函数和预测模型的损失函数， 联 合学习模型训练模块， 用于训练得到目标模型。 本发明通过在纵向联合学习基础上进行二次建 模来扩大数据信息， 使 得一些建模 无效的场景仍 可以建立模型。 权利要求书2页 说明书6页 附图2页 CN 114764544 A 2022.07.19 CN 114764544 A 1.一种所述基于纵向联合学习的设备剩余使用寿命预测模型构建装置， 其特征在于， 包括： 联合学习框架建立模块， 用于根据多个设备的样本数据分别为数据节点， 建立纵向联 合学习框架； 预测模型建立模块， 用于根据所述纵向联合学习框架， 对各数据节点中符合对齐的样 本数据进行第一次建模， 得到预测模型； 样本数据标注模块， 用于利用所述预测模型分别对所述纵向联合学习框架下各个数据 节点中不含标注的样本数据进 行预测， 并将所述预测得到的预测值标注对应进行预测的样 本数据； 目标模型建立模块， 用于根据所述纵向联合学习框架， 对各数据节点中符合对齐的样 本数据和所述预测值标注的样本数据进 行第二次建模， 得到目标模型， 其中， 所述目标模型 的损失函数包括所述预测值标注的样本数据的损失函数和所述预测模型的损失函数； 联合学习模型训练模块， 用于根据所述纵向联合学习框架， 进行目标模型训练， 得到用 于各个数据节点对应设备进行设备剩余使用寿命预测。 2.根据权利要求1所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述联合学习框架建立模块， 包括： 联合方建立单 元， 用于确定纵向联合学习的联合方； 参与方建立单元， 用于确定各个设备所拥有的样本数据为数据节点， 并将各所述数据 节点作为纵向联合学习参与方； 联合学习框架建立单 元， 用于根据所述 参与方和联合方， 建立纵向联合学习框架。 3.根据权利要求1或2所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构 建装置， 其特 征在于， 所述样本数据标注模块， 包括： 样本数据 预测单元， 用于利用所述预测模型分别对所述纵向联合学习框架下各个数据 节点的所有样本数据进行 预测， 得到对应的预测值； 样本数据标注单元， 用于对所述预测值按预设条件进行排序， 选取所述排序靠前的部 分预测值和所述 排序靠后的部分预测值作为对应样本数据进行 标注； 样本数据确定单 元， 用于确定所述标注的样本数据为进行二次建模的样本数据。 4.根据权利要求3所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述样本数据标注单元， 还用于对所述预测值按预设条件进行排序， 选取 所述排序在前5 ‑15％和排序在后5 ‑10％的预测值对 对应的样本数据进行 标注。 5.根据权利要求3所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述样本数据标注单元， 还用于对所述预测值按预设条件进行排序， 选取 以预测结果的10％阈值点和90％阈值点为切断点对两头的样 本数据的预测值， 并利用所述 预测值对所述样本数据进行 标注。 6.根据权利要求1所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述目标模型的损失函数还包括： 所述预测值标注的样本数据的损失函数 加乘一个权 重系数和所述预测模型的损失函数。 7.根据权利要求1所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述联合学习框架建立模块， 还用于根据多个相同类型的设备或相同型号权　利　要　求　书 1/2 页 2 CN 114764544 A 2的设备的样本数据分别为数据节点， 建立纵向联合学习框架。 8.根据权利要求7所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述设备包括相同类型的锅炉或相同型号的锅炉。 9.根据权利要求1所述的所述基于纵向联合学习的设备剩余使用寿命预测模型构建装 置， 其特征在于， 所述联合学习框架建立模块， 还用于根据多个 设备的样本数据分别为数据 节点， 建立 纵向联合学习框架； 其中， 所述多个不同设备所拥有的样本数据之间包括重叠的 样本数据。权　利　要　求　书 2/2 页 3 CN 114764544 A 3