一种基于时序挖掘的派单准确性校验方法、装置及计算设备

    公开(公告)号:CN117540996A

    公开(公告)日:2024-02-09

    申请号:CN202311531780.8

    申请日:2023-11-16

    Abstract: 本发明提供了一种基于时序挖掘的派单准确性校验方法、装置及计算设备,其中,校验方法包括:通过匹配派单标识和告警标识进而提取任一派单时间和该派单时间对应的所有告警发生时间,以及通过计算多组派单时间与其告警发生时间之间的最大时间间隔来生成相应的告警采样时间窗口。将告警序列按照发生频率进行统计,若序列一出现的频率为f1且序列二出现的频率为f2,当f1和f2均小于预设频率阈值φ时,则仅保留序列一和序列二两者间出现频率更大的告警序列。本发明不仅能够根据生产数据自适应地确定窗口大小及通过对告警数据进行划分以提高模型的计算效率,还能够根据实际需求指定告警字段,进而广泛满足各种生产环境的需要。

    可自校图的光交箱端口状态自识别方法和装置

    公开(公告)号:CN116758337A

    公开(公告)日:2023-09-15

    申请号:CN202310607768.4

    申请日:2023-05-26

    Abstract: 一种可自校图的光交箱端口状态自识别方法和装置,方法包括:将数据集内的光交箱图像划分为训练集、验证集和测试集;构建计算每一行端口所在直线角度、每一个端口的尺度,及绘制端口的目标热图;构造卷积神经网络。通过训练集的图像来训练卷积神经网络,对模型的参数进行优化;通过验证集的验证效果来确定该模型训练的超参数;生成端口的目标热图及端口相关信息预测;通过倾斜校正算法对端口预测降噪模块得到的端口的坐标、类别、角度和尺度进行输入图像的倾斜校正;通过行列匹配来判定行内是否存在遗漏端口,补全该遗漏端口。本发明不仅能够自动完成光交箱端口图像的倾斜矫正,还能够实现光交箱端口图像校正后的光交箱的端口识别和行列划分。

    基于深度学习的水冷机组节能降费方法和装置

    公开(公告)号:CN116757310A

    公开(公告)日:2023-09-15

    申请号:CN202310607769.9

    申请日:2023-05-26

    Abstract: 本发明提供了一种基于深度学习的水冷机组节能降费方法,其包括:将数据集的数据划分为训练集和测试集。构造用于制冷系统的制冷量估算的时序卷积网络,以及采用划分后的数据来训练时序卷积网络。根据水冷机组的实际能耗数据来拟合水冷机组的部分负荷效率曲线。按照预设粒度来对水冷机组的部分负荷效率曲线进行分割,从而获取相应分割点的性能数据。分配制冷量,以及结合水冷机组的性能数据与阶梯电价来制定满足相应机房需求冷量下的最低成本的制冷方案。本发明能够优化机房水冷机组的耗电量和电费花销,进而使得该机房水冷机组的能耗下降3.34%,水冷机组的电费下降20.91%。

Patent Agency Ranking