买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工业大学;中信戴卡股份有限公司申请的专利一种基于自适应注意力机制的剩余完工时间预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119398240B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411451037.6，技术领域涉及：G06Q10/04；该发明授权一种基于自适应注意力机制的剩余完工时间预测方法是由刘晶;张浩博;牛巍;刘双勇;吴国瑞;谢双全;王辉;郑欣竹;季海鹏设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种基于自适应注意力机制的剩余完工时间预测方法在说明书摘要公布了：本发明公开了一种基于自适应注意力机制的剩余完工时间预测方法，包括下述步骤：S1.构建包含自适应优化特征自选择模块和自适应权重分配注意力机制时序预测模块的剩余完工时间预测方法；S2.对数据进行缺失值填充、归一化等数据处理；S3.在自适应优化特征自选择模块中构造基于自适应特征优化的特征选择方法，对预处理后的数据进行迭代训练，不断剔除消极特征，选择出关键特征子集；S4.对选择出的关键特征进行特征编码；S5.根据特征的重要性通过线性变换计算出自注意力机制中的查询权重矩阵、键权重矩阵、值权重矩阵；S6.在自适应权重分配注意力机制时序预测模块中向经过权重分配的自注意力机制代入关键特征子集数据进行模型训练。

本发明授权一种基于自适应注意力机制的剩余完工时间预测方法在权利要求书中公布了：1.一种基于自适应注意力机制的剩余完工时间预测方法，其特征在于，包括下述步骤： S1：构造包含自适应优化特征自选择模块和自适应权重分配注意力机制时序预测模块的方法框架； S2：数据集包括Helpdesk数据集和国内某轮毂机加工工厂实际生产过程数据集，对Helpdesk数据集进行处理，从数据集中提取出每个事件对应的距离其所属的处理流程全部结束的剩余时间remainingtime，将其作为目标变量；对国内某轮毂机加工工厂实际生产过程原始数据进行处理，从原始数据中提取出每条数据对应的距离整个订单全部完工的剩余完工时间remainingtime，将其作为目标变量；对于数据集中文本特征的缺失值，填充为“无”，对于数据集中数值特征的缺失值，填充为同一数值特征的众数；缺失值填充完成后，对数值特征进行归一化处理； S3：在自适应优化特征自选择模块中构造基于自适应特征优化的特征选择方法，首先采用XGBoost模型对数据集进行训练，得到数据集中所有特征的特征重要性；其次迭代剔除重要性最低的非积极特征，每次剔除后进行K折交叉验证，计算当前数据集得分；若剔除特征后K折交叉验证得分增加，说明所剔除特征为消极特征，若剔除特征后K折交叉验证得分降低，则撤销剔除操作，并将该特征的标记变量置为1，代表该特征在本轮特征选择中为积极特征，最后当K折交叉验证的得分稳定时，剩余特征即为关键特征子集； Helpdesk数据集的关键特征子集为15个原始特征；国内某轮毂机加工工厂实际生产过程数据集的关键特征子集为每个订单样本的17个制造特征； S4：对关键特征子集中的关键特征进行特征编码，对积极特征进行Word2Vec编码，对于其他分类特征，若特征值类别较多采用随机初始化向量编码的方式，若特征值类别较少则采用基于索引的编码方式； S5：将关键特征的特征重要性得分归一化，然后进行线性变换得到自注意力机制查询权重矩阵Q、键权重矩阵K、值权重矩阵V，在线性变换过程中，设置一个衰减因子来控制权重矩阵元素值的大小； S6：自适应权重分配注意力机制时序预测模块由输入层、LSTM层、自注意力层和输出层构成，将关键特征对应的数据代入自适应权重分配注意力机制时序预测模块进行预测，得到剩余完工时间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学;中信戴卡股份有限公司，其通讯地址为：300401 天津市北辰区双口镇西平道5340号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。