龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国地质大学(武汉)
摘要：本发明提供了一种基于深度学习的报警泛滥情况下的报警在线预测方法，对采集得到的报警日志数据进行预处理，根据报警率提取报警泛滥片段，通过迭代切片，捕捉前后报警之间预测的映射关系，并编码，获得带有标签的数据集，对模型进行训练，得到训练好后的模型；在线预测阶段首先识别并采集当前的报警泛滥序列，判断是否有新的报警，若是，更新报警泛滥序列立即预测，若否，则等待若干时间从而周期性预测；预测时根据滑动窗口选择机制，输入报警序列到训练好的预测模型，得到报警候选集及概率分布，通过循环操作直至报警泛滥结束，实现报警动态预测。本发明的有益效果是：计算速度快，模型建立时间短，可以满足实际工业监测及诊断的实时性需求。
主权项：1.一种基于深度学习的报警泛滥情况下的报警在线预测方法，其特征在于：包括：离线训练部分：通过触发故障生成报警事件日志，采集得到报警日志数据，对报警日志数据进行预处理，将报警率与ISA标准对比得到报警泛滥序列，通过对报警泛滥序列进行迭代切片，基于长短时神经网络捕捉前后报警之间预测的映射关系，并编码，将序列长度不同的报警泛滥保持统一的维度，获得带有标签的数据集，将该带有标签的数据集分为训练集和测试集，建立的报警预测模型并对其进行训练，得到训练好后的报警预测模型，真实的报警泛滥序列中的前后报警分别作为报警预测模型的输入与输出；在线报警预测部分：当实时报警率超过报警泛滥阈值即发生了报警泛滥，通过采集该段时间内的报警事件数据，获取报警泛滥序列，并实时检测是否有新的报警，若是，则更新报警泛滥序列并立即预测，若否，则等待若干时间进行周期性预测；预测时根据滑动窗口选择机制，输入报警泛滥序列到训练好后的报警预测模型，得到报警候选集及概率分布，将最大概率对应的报警添加到更新的报警序列中，通过循环操作直至实时报警率低于报警泛滥阈值，以实现对报警的动态预测。
全文数据：
权利要求：
百度查询： 中国地质大学(武汉) 一种基于深度学习的报警泛滥情况下的报警在线预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号