摘要
本发明属于物资抽检领域,公开了一种配网物资抽检等级预测方法及相关装置,包括获取配网物资的关键特征指标数据;根据配网物资的关键特征指标数据,通过预训练的配网物资抽检等级预测模型,得到配网物资的抽检等级预测结果;其中,预训练的配网物资抽检等级预测模型基于卷积神经网络模型构建,且超参数采用基于协方差矩阵自适应演化策略算法优化得到。通过卷积神经网络模型的强大学习能力,能够深入挖掘配网物资的关键特征指标数据中的潜在规律,为抽检等级的精准预测提供基础,同时通过基于协方差矩阵自适应演化策略算法对模型的超参数进行智能优化,有效降低最优超参数的设置难度,进一步提高模型的预测精度,最终实现对抽检等级的准确判断。
技术关键词
卷积神经网络模型
演化策略
配网
优化卷积神经网络
协方差矩阵
物理性能参数
指标
构建卷积神经网络
预测系统
算法
训练集
超参数
信息更新
初始化方法
可读存储介质
数据获取模块
电气
处理器
系统为您推荐了相关专利信息
显示屏缺陷检测方法
检测显示器
画面
标签
生成订单
厂房屋顶
光伏装置
电力管理方法
发电量
电力管理系统
三维可视化模型
智能检测方法
充电桩故障检测
超参数
智能检测系统