摘要
本发明涉及大模型技术领域，具体提供了大模型数据增强方法及装置，具有如下步骤：S1、利用传感器集群采集原始数据，通过皮尔逊相关系数对数据进行分组，针对每个分组，采用最小生成树算法确定头部传感器并建立生成序列；S2、启动基于长短期记忆网络LSTM的生成器，利用LSTM生成器训练头部传感器的数据；S3、启动岭回归生成器，利用岭回归生成器训练其他传感器的数据；S4、根据用户指定需求，利用训练得到的模型生成相应数据，并且通过插值提升数据量。与现有技术相比，本发明能够学习工业生产过程中固有的复杂时间行为，保持对准确模拟过程条件至关重要的传感器间关系，保持原有过程特性的同时，确保生成的数据模式具有高保真度。
