申请/专利权人：江苏巨数智能科技有限公司

申请日：2020-11-24

公开（公告）日：2024-02-27

公开（公告）号：CN112418529B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q30/0241;G06N3/0442;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2021.03.16#实质审查的生效;2021.02.26#公开

摘要：本发明公开了一种基于LSTM神经网络的户外广告在线倒塌预测方法，包括以下步骤：S1，采集环境数据和振动数据；S2，对采集的数据进行归一化处理；S3，利用安装初期正常情况下的数据进行训练，通过LSTM神经网络将环境数据，映射户外广告环境与振动数据的非线性关系，将拟合结果与实际数据比较，学习户外广告在风力作用下的震动模式，本步骤中使用的LSTM神经网络结合了LSTM层和全连接层，其中，LSTM层用于提取序列数据特征，全连接层融合序列特征并改变输出数据的形状；S4，基于S3的训练结果对户外广告进行长期在线检测，判断户外广告的异常。本发明可全天候在线异常检测。

主权项：1.基于LSTM神经网络的户外广告在线倒塌预测方法，其特征在于，包括以下步骤：S1，采集环境数据和振动数据；S2，对采集的数据进行归一化处理；S3，利用安装初期正常情况下的数据进行训练，通过LSTM神经网络将环境数据，映射户外广告环境与振动数据的非线性关系，将拟合结果与实际数据比较，学习户外广告在风力作用下的震动模式，本步骤中使用的LSTM神经网络结合了LSTM层和全连接层，其中，LSTM层用于提取序列数据特征，全连接层融合序列特征并改变输出数据的形状；S4，基于S3的训练结果对户外广告进行长期在线检测，判断户外广告的异常；所述S3中的训练过程如下：S31:构造训练和测试样本，将风速、风向传感器数据作为样本的输入，三轴加速度数据作为样本的输出数据，得到带标签的样本，并随机将样本数据按比例分为训练集和测试集；S32:构造用于训练和检测的LSTM神经网络，网络结构至少包含2个LSTM层和2个全连接层，其中，最后一层全连接层作为输出层，LSTM神经网络的输出为预测的三轴加速度数据序列；S33:使用训练集样本数据训练LSTM神经网络，通过损失函数表达预测的三轴加速度数据与实际测得的三轴加速度数据的误差，在训练集上重复进行多轮训练，直到LSTM神经网络在测试集上的误差不再降低或到达最大训练轮数时停止；S34:确定网络阈值和检测策略，根据训练结束时的网络模型参数，计算训练集上各样本误差的统计特征，并确定异常检测策略，策略根据最近若干个样本的三轴加速度预测数据序列的误差进行判断，输出的检测结果为正常或异常，如果输出的检测结果为异常，则表示户外广告具有较高的倒塌风险。

全文数据：

权利要求：

百度查询： 江苏巨数智能科技有限公司 基于LSTM神经网络的户外广告在线倒塌预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD