公开(公告)号：CN113255239A

公开(公告)日：2021-08-13

申请号：CN202110783068.1

申请日：2021-07-12

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  张正达 ,  张宇

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 一种用于预测超高压输电线路杆塔覆冰厚度的深度学习方法，包括：1、提取单个杆塔周围一定地理范围的六种局部、三种全局历史气象要素和三种地形要素信息；2、通过降维深度可分离模块，对各个要素特征进行归一化，并且实现对地形要素特征的提取；3、将多个历史时间点的局部和全局气象要素特征分别输入LSTM网络中，实现气象要素特征提取；4、地形要素特征与气象要素特征进行特征融合，并将融合后的特征输入主干分类网络；5、将历史覆冰厚度数据分20等级作为网络标签；6、计算模型损失，训练模型，优化模型参数。本发明充分考虑了杆塔上覆冰厚度的时间与空间影响因素，可以有效的从历史气象数据与地形数据中预测下一个时间点的覆冰厚度。

公开(公告)号：CN113255239B

公开(公告)日：2021-09-28

申请号：CN202110783068.1

申请日：2021-07-12

Applicant: 南京信息工程大学

Inventor： 夏景明 ,  张正达 ,  张宇

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 一种用于预测超高压输电线路杆塔覆冰厚度的深度学习方法，包括：1、提取单个杆塔周围一定地理范围的六种局部、三种全局历史气象要素和三种地形要素信息；2、通过降维深度可分离模块，对各个要素特征进行归一化，并且实现对地形要素特征的提取；3、将多个历史时间点的局部和全局气象要素特征分别输入LSTM网络中，实现气象要素特征提取；4、地形要素特征与气象要素特征进行特征融合，并将融合后的特征输入主干分类网络；5、将历史覆冰厚度数据分20等级作为网络标签；6、计算模型损失，训练模型，优化模型参数。本发明充分考虑了杆塔上覆冰厚度的时间与空间影响因素，可以有效的从历史气象数据与地形数据中预测下一个时间点的覆冰厚度。