本發(fā)明提出了一種基于神經(jīng)網(wǎng)絡(luò)模型的工業(yè)數(shù)據(jù)生成方法，包括如下步驟：基于生成對抗網(wǎng)絡(luò)的思想，通過鑒別反饋機制，將時間序列生成過程作為一個連續(xù)決策過程來生成大規(guī)模數(shù)據(jù)集。其中，鑒別器提取時間序列特征并評估每個特征對于序列的重要性，通過對真實樣本與生成樣本進行訓(xùn)練來衡量生成數(shù)據(jù)的質(zhì)量。鑒別器通過時間差分學(xué)習(xí)(Temporal?Difference?Learning)反饋生成器中間每步所生成數(shù)據(jù)概率的對應(yīng)獎勵值，基于LSTM的生成器由強化學(xué)習(xí)的策略梯度進行訓(xùn)練，其中，獎勵值由鑒別器返回值提供。一種基于神經(jīng)網(wǎng)絡(luò)模型的工業(yè)數(shù)據(jù)生成方法實現(xiàn)了小數(shù)據(jù)生成大數(shù)據(jù)的新方式，從而提高在大數(shù)據(jù)環(huán)境下數(shù)據(jù)挖掘的挖掘分析效果，以及整個框架所擁有可靠的性能和優(yōu)異的可擴展性。