基于深度学习的料场设备故障预测方法、系统及存储介质.pdf
丹烟****魔王
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度学习的料场设备故障预测方法、系统及存储介质.pdf
本发明公开了一种基于深度学习的料场设备故障预测方法、系统及存储介质,涉及料场设备故障预测技术领域,包括:对采集到的PLC时序数据及报警信息进行故障树分析,将故障树分析得到的故障以及对应的故障特征存储于数据库,形成专家知识库;构建基于LSTM的故障预测模型,并对存储于数据库中的故障特征作为训练集进行故障预测模型训练,得到训练好的故障预测模型;将采集到的实时PLC时序数据输入至训练好的故障预测模型中,得到预测出的故障时间序列;根据专家知识库存储的故障特征和故障之间的对应关系以及预测出的故障时间序列,推理得出故
基于深度学习的结售汇预测方法、装置、设备及存储介质.pdf
本说明书涉及金融时间序列预测技术领域,提供了一种基于深度学习的结售汇预测方法、装置、设备及存储介质,该方法包括:获取目标币种在指定历史时间段内的结售汇时间序列;基于金融时间序列模型提取所述结售汇时间序列的统计特征;将所述结售汇时间序列及所述统计特征输入至预训练的深度学习模型中,以预测出所述目标币种在未来指定时间范围的结售汇时间序列。本说明书实施例可以提高结售汇预测的准确性。
基于多模态的深度学习预测方法、系统、介质及设备.pdf
本发明提供一种基于多模态的深度学习预测方法、系统、介质及设备,所述基于多模态的深度学习预测方法包括:获取图像数据集,所述图像数据集包括至少两个模态的图像数据;将所述图像数据进行特征提取,以生成与每个模态对应的特征提取结果;结合预设的约束项对所述特征提取结果进行融合并分类预测。本发明设计了多模态的网络结构,对于每一个模态的图像,分别使用卷积神经网络进行特征提取,然后结合约束项在全连接层将这些特征进行融合,综合不同模态的特征信息,得到最终的分类结果。这样既保留了单个模态的信息特点又可以综合利用多模态的信息,提
自卸车故障预测方法、系统、设备及存储介质.pdf
本发明提供了一种自卸车故障预测方法、系统、设备及存储介质,所述方法包括步骤:获取自卸车中目标零件的历史运行数据和一预设时间段内每一天的当前运行数据;基于历史运行数据和当前运行数据,分别计算目标零件在预设时间段内每一天的失效率;基于目标零件在预设时间段内的失效率,预测目标零件在当前单位时间的失效率;利用目标零件在预设时间段内的失效率以及当前单位时间的失效率,对一预设周期内的失效率进行更新,并利用更新后的预设周期内的失效率,逐一预测下一单位时间的失效率,直至下一单位时间的失效率大于等于第一预设阈值,获得对应的
基于深度学习的电能计量方法及系统、设备、存储介质.pdf
本发明公开了一种基于深度学习的电能计量方法及系统、设备、存储介质,其利用卷积神经网络的多层数据处理,通过卷积神经网络进行深度学习,可以准确地从电压数据和电流数据中分解提取出1~100次的谐波电压、谐波电流各种分量,同时可以实时地进行电力系统畸变电压和畸变电流状态下的总有功电能、总无功电能、基波有功电能、基波无功电能、总谐波有功电能、总谐波无功电能、2~100次谐波有功电能、2~100次谐波无功电能等电能计量分量的准确计量,能使电能计量自适应电力系统环境,并且具有网络结构简单、智能性高等特点。