一种基于卷积神经网络的漏失类型智能识别方法

本发明提供一种基于卷积神经网络的漏失类型智能识别方法，将采集的待识别漏失数据截取成漏失曲线时间序列长度为160的漏失数据集，待识别漏失数据包括流量差数据和时间序列；对漏失数据集进行归一化处理得到归一化后漏失曲线；对归一化后漏失曲线进行二值化处理和细化处理，形成NumPy数组；构建并训练卷积神经网络模型，卷积神经网络模型包括输入层、卷积层、池化层、Dropout层和全连接层，将NumPy数组输入训练好的卷积神经网络模型，得到漏失特征曲线，通过卷积层与池化层对漏失特征曲线进行特征提取，得到特征图；根据漏失特征曲线与特征图获取类别概率分布，提取概率最大的类别并映射为井漏漏失类型的实际名称。本发明提高了漏失类型识别的准确性和可靠性。