申请/专利权人:卡斯柯信号有限公司
申请日:2023-12-25
公开(公告)日:2024-03-19
公开(公告)号:CN117725904A
主分类号:G06F40/186
分类号:G06F40/186;G06F40/216;G06F40/289;G06F18/2413;G06F18/2415;G06Q10/0631;G06Q50/40
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提供一种面向CTC系统操作日志数据的分析方法,其包含:S1、通过Bert‑BiLSTM‑CRF模型对操作日志数据的文本信息进行结构化处理,获得结构化操作日志数据;S2、基于改进FT‑tree算法自动生成增量式日志模板,对结构化操作日志数据进行特征频次统计、操作序列生成及关联归集,形成日志序列数据;S3、基于改进无监督学习K‑Means算法的操作日志异常高危险性操作检测模型对所述日志序列数据进行异常高危操作的识别及统计,生成操作日志异常及高危操作识别结果;S4、构建基于贝叶斯网络模型的异常高危操作及风险关联性分析模型,对行车调度员、供电调度员在日常情况及应急处置场景下作业操作与故障风险进行关联性分析,获得致因关联分析报告。其具有分析高效、准确的优点。
主权项:1.一种面向CTC系统操作日志数据的分析方法,其特征在于,包括:S1、通过Bert-BiLSTM-CRF模型对操作日志数据的文本信息进行结构化处理,获得结构化操作日志数据;S2、基于改进FT-tree算法自动生成增量式日志模板,将所述结构化操作日志数据填入所述增量式日志模板,对结构化操作日志数据进行特征频次统计、操作序列生成及关联归集,形成日志序列数据;S3、基于改进无监督学习K-Means算法的操作日志异常高危险性操作检测模型对所述日志序列数据进行异常高危操作的识别及统计,生成操作日志异常及高危操作识别结果;S4、基于操作日志异常高危操作识别结果,构建基于贝叶斯网络模型的异常高危操作及风险关联性分析模型,对行车调度员、供电调度员在日常情况及应急处置场景下作业操作与故障风险进行关联性分析,获得致因关联分析报告。
全文数据:
权利要求:
百度查询: 卡斯柯信号有限公司 一种面向CTC系统操作日志数据的分析方法
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。