一种用于行业用户用水预测的联邦学习加速方法和系统

本发明涉及机器学习技术领域，尤其是一种用于行业用户用水预测的联邦学习加速方法和系统。本发明提出的一种用于行业用户用水预测的联邦学习加速方法，在全局训练过程中，间隔多个全局训练次数，根据边缘服务器的本地训练速度进行分簇，形成多个边缘服务器集群；边缘服务器集群中的边缘服务器进行全局聚合以更新本地模型。本发明通过对边缘服务器进行分簇，以边缘服务器集群为单位进行簇内模型聚合，实现同步训练和异步训练相结合。且通过在全局训练过程中，根据本地训练时间间隔性分簇，实现了边缘服务器集群的动态组合，从而保证所有边缘服务器在全局训练过程中的相关性，保证了模型训练性能；各簇之间相互独立，簇内聚合相对于所有边缘服务器的聚合，大大节约模型训练时间。