一种基于SVM的电力施工预警方法及系统与流程

本发明涉及隧道电力施工预警，尤其涉及一种基于svm的电力施工预警方法及系统。

背景技术：

1、在工程中，电力系统是一个重要的组成部分，其稳定性和安全性直接影响到工程的施工质量和进度。而在电力系统施工中，施工人员、环境因素、设备运行的异常情况都会影响到施工的进度以及施工安全。因此，电力施工预警技术的研究和应用具有重要意义。目前，已有一些预警方法应用于电力施工，如神经网络、遗传算法等，但这些方法存在着一定的局限性，如训练时间较长、预测精度不高等。

技术实现思路

1、本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于svm的电力施工预警方法及系统。

2、本发明解决上述技术问题的技术方案如下：一种基于svm的电力施工预警方法，包括如下步骤：

3、采集隧道电力施工人员从业数据信息和隧道内环境参数信息以及对应的施工条件状态，并对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行预处理；

4、利用特征提取算法对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和处理，提取施工人员业务素质特征向量和施工环境时空特征向量；

5、基于支持向量机模型，将所述施工人员业务素质特征向量和施工环境时空特征向量以及对应的施工条件状态输入至隧道电力施工预警模型进行训练；

6、采集实时电力施工人员从业数据信息实时隧道内环境参数信息，并输入至训练后得到的所述隧道电力施工预警模型进行分类和预测，得到实时施工条件状态；

7、在所述实时施工条件状态异常时，根据所述实时施工条件状态生成预警信息，并进行预警。

8、本发明的有益效果是：本发明的基于svm的电力施工预警方法，通过对采集的隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和特征提取处理，得到施工人员业务素质特征向量和施工环境时空特征向量，再对支持向量机模型进行训练，得到隧道电力施工预警模型，这样即可对实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息进行分类和预测，得到预测结果，并在预测结果异常时预警，具有实时性和高效性，能够在施工过程中快速响应异常情况，并进行预警和处理，提高了施工过程的安全性和效率。该方法具有可扩展性，可以根据不同电力施工的需求进行定制和优化，适应不同施工环境和工况的需求。

9、在上述技术方案的基础上，本发明还可以做如下改进：

10、进一步：所述利用特征提取算法对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和处理，提取施工人员业务素质特征向量和施工环境时空特征向量具体包括如下步骤：

11、利用小波变换算法对所述隧道内环境参数信息进行特征提取，得到不同频率分量的施工环境时空特征向量；

12、利用主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取，并对所述隧道电力施工人员从业数据信息进行降维处理，得到施工人员业务素质特征向量。

13、上述进一步方案的有益效果是：通过小波变换算法对所述隧道内环境参数信息进行特征提取，可以降低噪音的影响，通过主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取，可以对原始数据进行降维处理，从而减少了数据量和复杂度，提高了预测效率和预测结果的准确性。

14、进一步：所述利用主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取具体包括如下步骤：

15、对所述施工人员从业数据信息进行标准化处理；

16、计算标准化处理后的所述施工人员从业数据信息的协方差矩阵；

17、对所述协方差矩阵进行特征值分解，得到特征值和对应的特征向量；

18、对所述特征值进行降序排序，并选取前k个特征值对应的特征向量构建投影矩阵，将所述施工人员从业数据信息投影至目标特征空间；

19、计算所述目标特征空间内每对特征向量之间的方差，并选取方差较大的特征向量对作为施工人员业务素质特征向量。

20、上述进一步方案的有益效果是：通过对所述施工人员从业数据信息进行标准化处理，可以使得处理后的每个数据具有相同的尺度，然后根据协方差可以表征标准化后的数据之间的相关性，然后基于投影矩阵将数据投影到目标特征空间，使得新的特征向量之间具有最大的方差。通过选择方差较大的主成分，可以实现数据的降维和特征提取。

21、进一步：所述利用所述施工人员业务素质特征向量和施工环境时空特征向量对隧道电力施工预警模型进行训练之前，还包括如下步骤：

22、将所述施工人员业务素质特征向量和施工环境时空特征向量进行融合，得到统一特征向量，并进行归一化处理；

23、将经过归一化处理后的所述统一特征向量进行最小-最大线性缩放；

24、将经过最小-最大线性缩放后的所述统一特征向量进行特征加权整合处理，并输入至所述支持向量机模型。

25、上述进一步方案的有益效果是：通过将施工人员业务素质特征向量和施工环境时空特征向量进行融合，可以获得更全面、准确可靠的信息，并通过归一化处理，消除尺度差异，采用最小-最大线性缩放可以将统一特征向量的特征值映射到设定的范围内，然后通过加权方式将不同的统一特征向量进行整合，根据其重要性对统一特征向量进行加权求和，以提高对不同统一特征向量的关注度。

26、进一步：所述基于支持向量机模型，将所述施工人员业务素质特征向量和施工环境时空特征向量以及对应的施工条件状态输入至隧道电力施工预警模型进行训练具体包括如下步骤：

27、利用所述施工人员业务素质特征向量和历史施工环境时空特征向量分别以及对应的施工条件状态均划分成训练集和验证集；

28、构建支持向量机模型，并将所述训练集和验证集依次输入至所述支持向量机模型进行训练和参数调优，得到隧道电力施工预警模型。

29、上述进一步方案的有益效果是：通过所述施工人员业务素质特征向量和历史施工环境时空特征向量以及对应的施工条件状态划分成的训练集和验证集对支持向量机模型进行训练和参数调优，这样即可得到能都进行准确分类和预测的隧道电力施工预警模型，从而实现隧道电力施工的精确预警，大大提高施工的安全性。

30、本发明还提供了一种基于svm的电力施工预警系统，包括采集模块、特征提取模块、训练模块、分类预测模块和预警模块；

31、所述采集模块，用于采集隧道电力施工人员从业数据信息和隧道内环境参数信息以及对应的施工条件状态，并对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行预处理；

32、所述特征提取模块，用于利用特征提取算法对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和处理，提取施工人员业务素质特征向量和施工环境时空特征向量；

33、所述训练模块，用于基于支持向量机模型，将利用所述施工人员业务素质特征向量和施工环境时空特征向量以及对应的施工条件状态输入至对隧道电力施工预警模型进行训练；

34、所述采集模块，还用于采集实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息，并输入至训练后得到的所述隧道电力施工预警模型；

35、所述分类预测模块，用于利用训练后得到的所述隧道电力施工预警模型进行对所述实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息分类和预测，得到实时施工条件状态；

36、所述预警模块，用于在所述实时施工条件状态异常时根据所述实时施工条件状态生成预警信息，并进行预警。

37、本发明的基于svm的电力施工预警系统，通过对采集的隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和特征提取处理，得到施工人员业务素质特征向量和施工环境时空特征向量，再对支持向量机模型进行训练，得到隧道电力施工预警模型，这样即可对实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息进行分类和预测，得到预测结果，并在预测结果异常时预警，具有实时性和高效性，能够在施工过程中快速响应异常情况，并进行预警和处理，提高了施工过程的安全性和效率。该方法具有可扩展性，可以根据不同电力施工的需求进行定制和优化，适应不同施工环境和工况的需求。

38、在上述技术方案的基础上，本发明还可以做如下改进：

39、进一步：所述特征提取模块利用特征提取算法对所述隧道电力施工人员从业数据信息和隧道内环境参数信息进行分析和处理，提取施工人员业务素质特征向量和施工环境时空特征向量的具体实现为：

40、利用小波变换算法对所述隧道内环境参数信息进行特征提取，得到不同频率分量的施工环境时空特征向量；

41、利用主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取，并对所述隧道电力施工人员从业数据信息进行降维处理，得到施工人员业务素质特征向量；

42、其中，所述特征提取模块利用主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取的具体实现为：

43、对所述施工人员从业数据信息进行标准化处理；

44、计算标准化处理后的所述施工人员从业数据信息的协方差矩阵；

45、对所述协方差矩阵进行特征值分解，得到特征值和对应的特征向量；

46、对所述特征值进行降序排序，并选取前k个特征值对应的特征向量构建投影矩阵，将所述施工人员从业数据信息投影至目标特征空间；

47、计算所述目标特征空间内每对特征向量之间的方差，并选取方差较大的特征向量对作为施工人员业务素质特征向量。

48、上述进一步方案的有益效果是：通过小波变换算法对所述隧道内环境参数信息进行特征提取，可以降低噪音的影响，通过主成分分析算法对所述隧道电力施工人员从业数据信息进行特征提取，可以对原始数据进行降维处理，从而减少了数据量和复杂度，提高了预测效率和预测结果的准确性。

49、进一步：所述训练模块基于支持向量机模型，将所述施工人员业务素质特征向量和施工环境时空特征向量以及对应的施工条件状态输入至对隧道电力施工预警模型进行训练的具体实现为：

50、利用所述施工人员业务素质特征向量和历史施工环境时空特征向量以及对应的施工条件状态均分别划分成训练集和验证集；

51、构建支持向量机模型，并将所述训练集和验证集依次输入至所述支持向量机模型进行训练和参数调优，得到隧道电力施工预警模型；

52、所述分类预测模块，利用训练后得到的所述隧道电力施工预警模型进行对所述实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息分类和预测，得到预测结果的具体实现为：

53、采集实时隧道电力施工人员从业数据信息和实时隧道内环境参数信息，并输入至训练后得到的所述隧道电力施工预警模型进行分类和预测，得到施工环境数据信息和施工人员能力特征信息；

54、将所述施工环境数据信息和施工人员特征信息分别与预设的标准施工环境数据信息和施工人员标准特征信息进行比较，并在所述施工环境数据信息和/或施工人员特征信息不满足所述标准施工环境数据信息和施工人员标准特征信息时，确定预测结果为异常，否则，确定预测结果为正常。

55、上述进一步方案的有益效果是：通过所述施工人员业务素质特征向量和历史施工环境时空特征向量 划分成的训练集和验证集对支持向量机模型进行训练和参数调优，这样即可得到能都进行准确分类和预测的隧道电力施工预警模型，从而实现隧道电力施工的精确预警，大大提高施工的安全性。

56、本发明还提供了一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时，实现所述的方法。

57、本发明还提供了一种基于svm的电力施工预警设备，包括：

58、至少一个处理器和存储介质，存储器与所述处理器通信连接；

59、其中，所述存储介质上存储有可被所述至少一个所述处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的基于svm的电力施工预警方法。