基于CSO优化DBN模型的电力业扩项目时长预测方法

    公开(公告)号:CN114781686B

    公开(公告)日:2024-11-01

    申请号:CN202210268779.X

    申请日:2022-03-18

    摘要: 本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法,包括:根据项目费用的分布,确定待预测项目的目标DBN预测模型;将待预测项目数据输入至训练好的目标DBN预测模型中,得到待预测的项目时长;训练DBN预测模型包括:根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间;动态选择每个费用区间的历史数据,建立对应类别的DBN预测模型;根据DCCSO对DBN预测模型的初始权值优化,得到目标初始权值;对DBN预测模型的目标初始权值进行微调,得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数,通过优化后的DBN模型对业扩时长进行预测,能够快速得到精确的业扩时长。

    造价管理平台
    3.
    发明公开
    造价管理平台 审中-公开

    公开(公告)号:CN117204673A

    公开(公告)日:2023-12-12

    申请号:CN202311450156.5

    申请日:2023-11-02

    摘要: 本申请涉及一种造价管理平台,包括防护箱、第一驱动机构、操作台、移动机构与第二驱动机构。防护箱形成有连通的防护腔与操作口以及连通的移动腔与移动口,防护腔与移动腔间隔设置。第一驱动机构设于防护腔内且与防护箱连接。操作台与第一驱动机构驱动连接,操作台在第一驱动机构的驱动作用下能通过操作口进出防护腔。移动机构具有容置于移动腔的稳定位置与通过移动口穿出于移动腔的移动位置。移动机构包括转动轮,移动位置下,转动轮用于与地面滚动配合。第二驱动机构连接防护箱并与移动机构驱动连接,第二驱动机构能够驱动移动机构在稳定位置与移动位置之间移动。本申请中的造价管理平台具有防护性好、便于移动且放置稳定性好的优点。

    电力业扩流程智能评价的方法、装置、设备和存储介质

    公开(公告)号:CN114781793A

    公开(公告)日:2022-07-22

    申请号:CN202210242939.3

    申请日:2022-03-11

    摘要: 本发明涉及一种电力业扩流程智能评价的方法,包括:获取新的流程数据并进行预处理;将处理后的流程数据输入至训练好的神经网络模型,得到评价结果;其中,神经网络模型的训练包括:获取历史数据;通过主成分分析法对历史数据降维并得到样本特征向量集;通过模糊综合评价法评价样本特征向量集,得到历史评价结果;将预处理的历史数据和历史评价结果输入至神经网络模型,得到训练好的神经网络模型。本申请过模糊综合评价法综合节点的计划用时偏差得到准确的评价结果。并将该清晰的结果输入至神经网络训练,使得神经网络挖掘历史数据与评价结果之间的关联性,从而通过训练好的神经网络快速、准确地对新制订的业扩项目流程进行评价。

    一种基于SOM-M的业扩项目聚类方法、装置、设备和存储介质

    公开(公告)号:CN114781482A

    公开(公告)日:2022-07-22

    申请号:CN202210268783.6

    申请日:2022-03-18

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明涉及一种基于SOM‑M的业扩项目聚类方法,包括:获取原始业扩项目数据,原始业扩项目数据包括:项目节点、节点计划用时、节点预算费用;将预处理后的原始业扩项目数据输入至SOM‑M模型中,初始化竞争层的神经元参数;计算输入层的神经元与竞争层的神经元间的相似性和一阶动量,更新竞争层的神经元参数;根据更新后的竞争层的神经元参数,得到业扩项目的节点类别。本申请通过测量多个神经元相似性,使多个神经元的相似性相互竞争,不断调整神经元逼近对象的类别中心,使神经元自动聚类,在加入一阶动量后,提升了SOM的收敛能力,更易于找到聚类中心,具有较强的分类能力和快速的学习能力,在对业扩项目聚类中具有很好的效果。

    基于端口扫描的变电站主机安全漏洞检测方法和系统

    公开(公告)号:CN113420303A

    公开(公告)日:2021-09-21

    申请号:CN202110797705.0

    申请日:2021-07-14

    IPC分类号: G06F21/57 H04L29/06

    摘要: 本申请涉及一种基于端口扫描的变电站安全漏洞检测方法、系统、计算机设备和存储介质。所述方法包括:获取变电站的待检测主机地址;确定与待检测地址相关的待检测的第一端口集合以及检测第一端口集合中各第一端口状态所需的并发检测线程;并发检测线程的数量是根据变电站业务数据确定的;通过并发检测线程对第一端口集合进行扫描检测,从第一端口集合中确定处于开放状态的第二端口;根据自定义的漏洞检测策略数据对第二端口进行漏洞检测,得到对应的检测结果。采用本方法能够有效提高变电站主机安全漏洞检测的准确性。

    一种安全围栏缺陷的多部件融合识别方法

    公开(公告)号:CN113902908B

    公开(公告)日:2024-11-12

    申请号:CN202111188154.4

    申请日:2021-10-12

    摘要: 本发明公开了一种安全围栏缺陷的多部件融合识别方法。包括:采集基建工地的安全围栏图像,对每一图像制作对应的样本标签文件并构成训练集;构建安全围栏缺陷定位预测模型和安全围栏缺陷识别模型;将训练集输入到安全围栏缺陷定位预测模型,训练集和安全围栏缺陷定位预测模型的输出共同输入到安全围栏缺陷识别模型中,同时进行训练,获得训练好的安全围栏缺陷定位预测模型和安全围栏缺陷识别模型;将待检测的安全围栏图像输入到训练好的安全围栏缺陷定位预测模型和安全围栏缺陷识别模型中,获得安全围栏的缺陷识别结果。本发明提高安全围栏缺陷的定位速度,提升安全围栏缺陷的检测准确率,保证工地人员的施工安全,提高基建工地的智能化管理水平。

    一种端到端通信的资源分配分组优化方法

    公开(公告)号:CN113596786B

    公开(公告)日:2023-11-14

    申请号:CN202110844870.7

    申请日:2021-07-26

    IPC分类号: H04W4/70 H04W72/52 H04W72/53

    摘要: 本发明公开了一种端到端通信的资源分配分组优化方法,实现步骤为:构建蜂窝网络端到端通信的资源分配优化向量、资源分配模型以及约束条件;将资源分配优化向量中各优化变量根据变量属性进行分组,得到分组后的资源分配优化向量;将资源分配模型作为优化目标,结合其约束条件,采用进化算法对分组后的资源分配优化向量不断进行迭代优化和重新分组,得到优化后的优化向量最优解;根据优化后的优化向量最优解建立所有蜂窝用户与端到端通信用户对之间的匹配关系。本发明所提出的方法通过将优化变量分组后进行协同进化,且通过动态分组的方法确保耦合变量具有足够概率被分至同一组并充分进化,从而确保本方法对高维度资源分配模型具有良好的优化效果。

    一种神经网络层级动态调节的电力设备电压等级识别方法

    公开(公告)号:CN114970703A

    公开(公告)日:2022-08-30

    申请号:CN202210546727.4

    申请日:2022-05-18

    摘要: 本发明提出一种神经网络层级动态调节的电力设备电压等级识别方法。本发明引入多训练样本,标记每组样本真实电压等级,然后引入训练好的BP神经网络模型做为初始BP神经网络模型,将每组样本依次输入至初始BP神经网络模型得到各样本初始预测电压等级,根据样本预测电压等级与真实电压等级计算分类误差指标和估计误差指标;判断分类误差指标和估计误差指标是否满足收敛;若指标均收敛,则保持步骤2所述模型层数不变;若分类误差指标或者估计误差指标不满足收敛则跳转至步骤5;若初始神经网络模型层数达到最大值,则层数不变;否则,层数增加一层,调整新增层权重与偏置,跳转至步骤2;本发明提高了训练速度和效率,提升电力设备带电作业预警水平。