结合卷积长短时记忆网络与大语言模型的故障预测方法

本申请公开了结合卷积长短时记忆网络与大语言模型的故障预测方法，涉及人工智能技术领域，方法包括：确定卷积长短时记忆网络的窗口长度；根据文本日志计算得到加权累积故障风险评分；构建卷积长短时记忆网络；将历史传感器数据输入到卷积长短时记忆网络，得到预测序列；将加权累积故障风险评分和预测序列按时间戳对齐，进而将对齐结果转换为文本与目标对；通过监督学习使大语言模型学习从文本与目标对到预测值的映射关系；利用经过监督学习后的大语言模型生成故障预测的预测值。本申请通过卷积长短时记忆网络实现了时序数据与文本信息的深度结合，相较于传统基于LSTM的方法，在故障预测的准确率、实时性和适应性方面均有所提升。