摘要
本发明公开了一种基于深度学习的电力施工监测方法及装置,涉及电力施工监测技术领域,包括通过视频流数据、设备传感数据和人员传感数据来构建每个事故的数据指标表征列表;分析当前事故相关数据的波动性,并且通过波动性将当前一段时间内的电力施工现场的事故相关数据拆分成多段事故相关数据;寻找相近的事故;根据待筛选事故列表对视频流数据、设备传感数据和人员传感数据进行数据融合,通过融合后的特征数据来训练施工安全预测模型。根据待筛选事故列表对视频流数据、设备传感数据和人员传感数据进行数据融合,训练施工安全预测模型,从而提高电力施工监测的准确性和可靠性,保证了电力施工现场的安全稳定运行。
技术关键词
数据
施工监测方法
电力施工现场
传感
视频流
列表
指标
图像
马尔可夫链模型
施工监测装置
施工监测技术
因子
曲线
模块
样本
对象
数值
系统为您推荐了相关专利信息
船舶推进系统
节能控制方法
导轮
螺旋桨尾流
液压伺服机构
传输优化方法
标签体系
矩阵
网络模块
数据库优化技术
历史故障数据
多维特征向量
随机森林模型
变压器运行数据
故障特征频率
重建误差
风险检测方法
企业知识图谱
表达式
风险检测系统
结节检测方法
图像块
样本
支持向量机模型
单类支持向量机