摘要
本发明公开了一种基于时序样本分析的输电线路监测系统通用重复告警抑制方法,该方法通过结合深度学习算法的特征图分析和时序样本建模,能够分析并判断异常区域的变化情况,进而决定是否继续告警。本发明通过时间序列分析和热力图的对比,使得重复告警得以有效抑制。本发明方法利用神经网络反向传播的梯度图与输出层特征图进行加权组合,生成激活响应热力图,从而准确识别图像中对异常输出结果贡献最大的区域。通过全局平均池化和ReLU激活函数,系统能够精确定位异常发生的区域。这种技术手段提高了异常区域识别的准确性,为后续的告警抑制提供了可靠的依据。
技术关键词
输电线路监测系统
告警抑制方法
热力图
深度学习网络
时序
样本
准确识别图像
模式
通道
全局平均池化
深度学习算法
代表
坐标
矩阵
表达式
像素
序列
系统为您推荐了相关专利信息
变化检测方法
动态时空特征
多任务学习模型
耕地
多层卷积神经网络模型
自动化工业设备
PLC数据采集
监控控制方法
时序卷积神经网络
分布式边缘
可靠性分析方法
综合能源系统
燃气机组
动态
电气
智能控制方法
编码特征
图像采集设备
智能控制系统
时序特征
补丁
风电功率预测模型
时序
大语言模型
电功率预测方法