CN113762589A - 一种输变电工程变更预测系统及方法 - Google Patents
一种输变电工程变更预测系统及方法 Download PDFInfo
- Publication number
- CN113762589A CN113762589A CN202110803935.3A CN202110803935A CN113762589A CN 113762589 A CN113762589 A CN 113762589A CN 202110803935 A CN202110803935 A CN 202110803935A CN 113762589 A CN113762589 A CN 113762589A
- Authority
- CN
- China
- Prior art keywords
- data
- project
- engineering
- character
- character string
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000008859 change Effects 0.000 title claims abstract description 100
- 230000005540 biological transmission Effects 0.000 title claims abstract description 40
- 230000009466 transformation Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 26
- 238000012795 verification Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 5
- 239000013307 optical fiber Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种输变电工程变更预测系统及方法,所述预测系统包括数据采集模块、数据处理模块和数据分析模块,所述数据采集模块与数据处理模块连接,所述数据分析模块与数据处理模块连接。所述预测方法具体为首先构建预测模型,并利用历史工程信息数据以及历史工程环境数据对预测模型进行训练获取工程变更预测模型,然后选择一个输变电工程,采集该输变电工程的工程信息数据以及工程环境数据并输入工程变更预测模型进行变更模拟,获取工程变更预测信息。本发明能够通过工程变更预测模型对输变电工程的变更情况进行预测,提高工程变更的处理效率,同时通过历史数据对模型参数进行优化,提高工程变更预测的准确性。
Description
技术领域
本发明涉及输变电工程管理技术领域,尤其是指一种输变电工程变更预测系统及方法。
背景技术
随着我国电力事业的迅速发展,对于配电网的工程建设规模也与日剧增。输变电工程存在着工程项目数量大、建设地点分布散乱、工程属性分类多等特点,所以在输变电工程的施工过程中,往往会出现施工无法按照原工程施工计划进行,需要根据施工现场情况对工程施工计划进行修改的情况,然而现在传统的输变电工程变更主要还是人工依靠经验进行工程变更方案选择,效率低且易出错。且输变电工程需要严格按照输变电工程计划进行实施,在实施输变电工程计划时,可能会由于环境变化等因素造成工程变更,然而此类工程变更只能在变更原因影响到施工后,才能通过获取变更原因来进行具体的输变电工程计划的策划,不能够及时阻止工程变更所带来的损失。
发明内容
本发明的目的是克服现有技术中的缺点,提供一种输变电工程变更预测系统及方法。
本发明的目的是通过下述技术方案予以实现:
一种输变电工程变更预测方法,包括以下步骤:
步骤一,数据分析模块构建预测模型,数据分析模块提取历史工程信息数据和历史工程环境数据,同时数据分析模块从历史工程信息数据内提取历史工程变更原因数据;
步骤二,数据分析模块对历史工程变更原因数据进行特征提取处理以获取历史工程变更原因特征数据,数据分析模块再根据历史工程变更原因特征数据以及历史工程环境数据对预测模型进行训练,获取工程变更预测模型;
步骤三,选择一个输变电工程,通过数据采集模块采集选择的输变电工程的工程信息数据以及工程环境数据,数据分析模块将采集到的工程信息数据以及工程环境数据输入工程变更预测模型,数据分析模块通过工程变更预测模型进行变更模拟,获取工程变更预测信息。
通过工程变更预测模型来进行变更模拟,获取工程变更预测信息,能够在变更原因影响输变电工程的实施前,找出变更原因,及时调整输变电工程的实施计划,降低因工程变更而造成的损失。且通过历史工程信息对预测模型进行参数优化,能够有效提高工程变更预测的准确度并是的工程变更预测的结果更加符合实际。
步骤三中在将工程信息数据以及工程环境数据输入工程变更预测模型前,数据处理模块还对工程信息数据以及工程环境数据进行预处理。
数据预处理能够对工程信息数据以及工程环境数据进行数据优化,预处理后数据再输入工程变更预测模型能够有效降低工程变更预测模型的计算量,提高预测速度。
所述数据处理模块对工程信息数据以及工程环境数据的预处理包括数据清洗和分词处理。
通过数据清洗去除工程信息数据以及工程环境数据内数据内无效数据以及噪音数据,降低模型计算工作量的同时,提高模型预测结果的准确性。且由于工程数据以及工程环境数据内大多为文本数据,通过分词处理能够将工程数据以及工程环境数据内的文本分割为单个的词,能够简化模型对数据的计算过程,提高工程变更预测的效率。
所述分词处理的具体过程为:根据历史工程信息数据和历史工程环境数据构建语料库,获取进行分词处理的工程信息数据以及工程环境数据对应的文本,对获取的文本按照进行字符划分,获取所有字符,选取其中一个字符,将该字符作为首字符和与其相邻的字符进行随机组合获取若干个字符串,将每个字符串与语料库内的词进行匹配,筛选出所有与语料库内的词相匹配的字符串,再对每个筛选出的字符串在语料库中出现的频率进行统计,选取在语料库中出现频率最高的字符串,将选取出的字符串作为待选字符串,并将待验证字符串作为首字符和与其相邻的字符进行组合获取验证字符串,并通过判断验证字符串是否属于语料库来验证待选字符串是否为该字符对应的词,若验证字符串不属于语料库,则待选字符串为该字符对应的词;若验证字符串属于语料库,则将验证字符串作为待选字符串,重复执行验证过程,直至验证结果表示待选字符串为该字符对应的词;确定该字符对应的词后,将该字符串内字符除去,再从剩余字符内选取一个字符,确定其对应的词,直至确定所有字符对应的词。
若仅与相邻的字符进行组合,只能得到两个字的字符串,但是实际上存在有两个字以上的词,所以在获取两个字的字符串后,还将其作为单个字符与相邻字符进行组合,并对组合得到的字符串进行内容验证,在验证出组合得到的字符串处于语料库内时,重复进行与相邻字符组合并进行内容验证的步骤,直至获取该字符所对应的最终词语,进一步提高了分词准确性。
在确定所有字符对应的词后,还将所有词按照字符划分的顺序进行组合获取进行分词处理的工程信息数据以及工程环境数据对应文本的分词结果。
数据处理模块还通过关键信息算法对工程信息数据以及工程环境数据的分词结果进行筛选获取工程信息数据以及工程环境数据的关键词,具体过程为:获取工程信息数据以及工程环境数据对应的文本,并根据预处理结果获取该文本的分词结果,并根据该文本的分词结果建立图模型,图模型内每个节点代表一个词,并利用投票机制公式对图模型内所有节点进行权重计算,获取所有词的权重,并选取权重大于预设阈值的词作为该文本的关键词。
所述投票机制公式具体为:
其中:d表示阻尼系数,Vi表述图模型中的任一节点,Vj为指向节点Vi的节点,In(Vi)表示指向节点Vi的集合,Vk为由Vj连接出去的其中一个节点,节点Out(Vj)表示由节点Vj连接出去的所有节点的集合,ωij表示Vi与Vj之间边的权重,ωjk为Vj与Vk之间边的权重,WS(Vi)表示节点Vi的权重,WS(Vj)为节点Vj的权重。
在构建图模型时,对于多次出现的单词会赋予更大的权重,对于一些常用词赋予更小的权重,通过权重大小能够找出工程信息数据以及工程环境数据内的关键词,在根据工程信息数据以及工程环境数据获取变更原因时能够通过关键词来快速定位变更原因并确定相应的处理措施。
数据处理模块在选取出关键词后,数据处理模块还根据预设词汇表将选出的关键词转换为对应的二进制词向量。
一种输变电工程变更预测系统,包括数据采集模块、数据处理模块和数据分析模块,所述数据采集模块与数据处理模块连接,所述数据采集模块用于收集工程信息数据和工程环境数据,所述数据处理模块用于对工程信息数据以及工程环境数据进行预处理以及关键词筛选,所述数据分析模块与数据处理模块连接,所述数据分析模块用于进行工程变更预测。
还包括数据库,所述数据库同时与数据采集模块和数据分析模块连接,所述数据库用于储存工程信息数据以及工程环境数据。
本发明的有益效果是:
通过工程变更预测模型来对输变电工程的变更情况进行预测,能够对工程变更进行准确预测,降低突发事件对输变电工程施工所造成的影响。且通过通过历史工程信息以及历史工程环境数据训练来获得工程变更预测模型,在通过工程变更预测模型预测后,在获取工程变更的时间、原因、地点以及发生概率的同时,也能够获取相应的工程变更措施,解决了人工进行工程变更方案选择时效率低易出错的问题。且通过历史工程信息数据以及工程环境数据来对工程变更预测模型的参数进行优化,提高其预测准确性。且在工程变更预测模型的训练以及模拟过程中,对工程信息数据以及工程环境数据进行优化处理,通过分词处理等措施降低计算量,进一步提高工程预测效率。
附图说明
图1是本发明的一种结构示意图;
图2是本发明的一种流程示意图;
其中:1、数据采集模块,2、数据处理模块,3、数据分析模块,4、数据库。
具体实施方式
下面结合附图和实施例对本发明进一步描述。
实施例:
一种输变电工程变更预测系统,如图1所示,包括数据采集模块1、数据处理模块2、数据分析模块3和数据库4,所述数据采集模块1与数据处理模块2连接,所述数据采集模块1用于收集工程信息数据和工程环境数据,所述数据处理模块2用于对工程信息数据以及工程环境数据进行预处理以及关键词筛选,所述数据分析模块3与数据处理模块2连接,所述数据分析模块3用于进行工程变更预测。
所述数据库4同时与数据采集模块1和数据分析模块3连接,所述数据库4用于储存工程信息数据以及工程环境数据。
一种输变电工程变更预测方法,如图2所示,包括以下步骤:
步骤一,数据分析模块3构建预测模型,数据分析模块3提取历史工程信息数据和历史工程环境数据,同时数据分析模块3从历史工程信息数据内提取历史工程变更原因数据;
步骤二,数据分析模块3对历史工程变更原因数据进行特征提取处理以获取历史工程变更原因特征数据,数据分析模块3再根据历史工程变更原因特征数据以及历史工程环境数据对预测模型进行训练,获取工程变更预测模型;
步骤三,选择一个输变电工程,通过数据采集模块1采集选择的输变电工程的工程信息数据以及工程环境数据,数据分析模块3将采集到的工程信息数据以及工程环境数据输入工程变更预测模型,数据分析模块3通过工程变更预测模型进行变更模拟,获取工程变更预测信息。
步骤三中在将工程信息数据以及工程环境数据输入工程变更预测模型前,数据处理模块2还对工程信息数据以及工程环境数据进行预处理。
所述数据处理模块2对工程信息数据以及工程环境数据的预处理包括数据清洗和分词处理。
所述分词处理的具体过程为:根据历史工程信息数据和历史工程环境数据构建语料库,获取进行分词处理的工程信息数据以及工程环境数据对应的文本,对获取的文本按照进行字符划分,获取所有字符,选取其中一个字符,将该字符作为首字符和与其相邻的字符进行随机组合获取若干个字符串,将每个字符串与语料库内的词进行匹配,筛选出所有与语料库内的词相匹配的字符串,再对每个筛选出的字符串在语料库中出现的频率进行统计,选取在语料库中出现频率最高的字符串,将选取出的字符串作为待选字符串,并将待验证字符串作为首字符和与其相邻的字符进行组合获取验证字符串,并通过判断验证字符串是否属于语料库来验证待选字符串是否为该字符对应的词,若验证字符串不属于语料库,则待选字符串为该字符对应的词;若验证字符串属于语料库,则将验证字符串作为待选字符串,重复执行验证过程,直至验证结果表示待选字符串为该字符对应的词;确定该字符对应的词后,将该字符串内字符除去,再从剩余字符内选取一个字符,确定其对应的词,直至确定所有字符对应的词。
在确定所有字符对应的词后,还将所有词按照字符划分的顺序进行组合获取进行分词处理的工程信息数据以及工程环境数据对应文本的分词结果。
如文本内容为“确定光纤配线架位置”,通过分词可以分割出“确定”、“光纤”、“配线架”以及“位置”四个词,根据字符顺序确定的分词结果即为“确定/光纤/配线架/位置”。
数据处理模块2在完成对工程信息数据以及工程环境数据的预处理后,数据处理模块2还通过关键信息算法对预处理后的工程信息数据以及工程环境数据进行关键词筛选,所述关键词筛选的具体过程为:获取工程信息数据以及工程环境数据对应的文本,并根据预处理结果获取该文本的分词结果,并根据该文本的分词结果建立图模型,图模型内每个节点代表一个词,并利用投票机制公式对图模型内所有节点进行权重计算,获取所有词的权重,并选取权重大于预设阈值的词作为该文本的关键词。
所述投票机制公式具体为:
其中:d表示阻尼系数,Vi表述图模型中的任一节点,Vj为指向节点Vi的节点,In(Vi)表示指向节点Vi的集合,Vk为由Vj连接出去的其中一个节点,节点Out(Vj)表示由节点Vj连接出去的所有节点的集合,ωij表示Vi与Vj之间边的权重,ωjk为Vj与Vk之间边的权重,WS(Vi)表示节点Vi的权重,WS(Vj)为节点Vj的权重。
在构建图模型时,对于多次出现的单词会赋予更大的权重,且由于工程变更信息的特点,对于像“因此”、“因为”、“由于”等具有承接作用的词组赋予更大的权重。选取出关键词后能够更加快速的获取关键信息,从而提高变更预测的速度如在工程信息以及工程环境数据内对工程变更的描述为:“根据电气二次专业提资,先对“大汾变二次设备室屏柜”等内容做相应修改,由于现场二次设备间预埋件在浇筑地坪时已施工完毕,需要重新埋设预埋件,详见T0201-03A,05B,12A”,在经过关键词提取后从描述中获取变更原因相关描述,因此提取出关键词“由于”所链接的词句,作为提取出的关键信息,提取出的关键信息为“间预埋件在浇筑地坪时已施工完毕”。
在筛选出关键词后,还对筛选出的关键词进行显示,同时记录其在文本中出现的次数,并在显示关键词时,在关键词的右上方展示其在文本中出现的次数。
数据处理模块2在选取出关键词后,数据处理模块2还根据预设词汇表将选出的关键词转换为对应的二进制词向量,具体利用了one-hot编码实现二进制词向量的转换,每个词都转换为其对应的唯一二进制编码向量。
预测模型具体采用了LSTM(Long short-term memory,长短期记忆网络)模型。LSTM模型是一种基于时间序列的深度学习模型,将其输入参数设置为发生变更事件的前后一段时间内的环境变化的序列数据,模型内每个时间序列结点都包含了工程路径信息和发生变更事件的地点信息,同时在发生变更事件的时间结点上加入变更原因的信息,通过历史工程信息数据以及历史工程环境数据构成的训练集对预测模型进行训练,训练完成后即可获得工程边变更预测模型。
最后工程变更预测模型输出的工程变更预测信息内包括输入工程信息以及工程环境数据所处时间段内,可能发生变更的时间、发生变更的原因、发生变更的地点、发生变更的概率以及发生变更的原因相对应的变更方案。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (10)
1.一种输变电工程变更预测方法,其特征在于,包括以下步骤:
步骤一,数据分析模块(3)构建预测模型,数据分析模块(3)提取历史工程信息数据和历史工程环境数据,同时数据分析模块(3)从历史工程信息数据内提取历史工程变更原因数据;
步骤二,数据分析模块(3)对历史工程变更原因数据进行特征提取处理以获取历史工程变更原因特征数据,数据分析模块(3)再根据历史工程变更原因特征数据以及历史工程环境数据对预测模型进行训练,获取工程变更预测模型;
步骤三,选择一个输变电工程,通过数据采集模块(1)采集选择的输变电工程的工程信息数据以及工程环境数据,数据分析模块(3)将采集到的工程信息数据以及工程环境数据输入工程变更预测模型,数据分析模块(3)通过工程变更预测模型进行变更模拟,获取工程变更预测信息。
2.根据权利要求1所述的一种输变电工程变更预测方法,其特征在于,步骤三中在将工程信息数据以及工程环境数据输入工程变更预测模型前,数据处理模块(2)还对工程信息数据以及工程环境数据进行预处理。
3.根据权利要求2所述的一种输变电工程变更预测方法,其特征在于,所述数据处理模块(2)对工程信息数据以及工程环境数据的预处理包括数据清洗和分词处理。
4.根据权利要求3所述的一种输变电工程变更预测方法,其特征在于,所述分词处理的具体过程为:根据历史工程信息数据和历史工程环境数据构建语料库,获取进行分词处理的工程信息数据以及工程环境数据对应的文本,对获取的文本按照进行字符划分,获取所有字符,选取其中一个字符,将该字符作为首字符和与其相邻的字符进行随机组合获取若干个字符串,将每个字符串与语料库内的词进行匹配,筛选出所有与语料库内的词相匹配的字符串,再对每个筛选出的字符串在语料库中出现的频率进行统计,选取在语料库中出现频率最高的字符串,将选取出的字符串作为待选字符串,并将待验证字符串作为首字符和与其相邻的字符进行组合获取验证字符串,并通过判断验证字符串是否属于语料库来验证待选字符串是否为该字符对应的词,若验证字符串不属于语料库,则待选字符串为该字符对应的词;若验证字符串属于语料库,则将验证字符串作为待选字符串,重复执行验证过程,直至验证结果表示待选字符串为该字符对应的词;确定该字符对应的词后,将确定为该字符对应的词的待选字符串内字符除去,再从剩余字符内选取一个字符,确定其对应的词,直至确定所有字符对应的词。
5.根据权利要求4所述的一种输变电工程变更预测方法,其特征在于,在确定所有字符对应的词后,还将所有词按照字符划分的顺序进行组合获取进行分词处理的工程信息数据以及工程环境数据对应文本的分词结果。
6.根据权利要求5所述的一种输变电工程变更预测方法,其特征在于,数据处理模块(2)还通过关键信息算法对工程信息数据以及工程环境数据的分词结果进行筛选获取工程信息数据以及工程环境数据的关键词,具体过程为:获取工程信息数据以及工程环境数据对应的文本,并根据预处理结果获取该文本的分词结果,并根据该文本的分词结果建立图模型,图模型内每个节点代表一个词,并利用投票机制公式对图模型内所有节点进行权重计算,获取所有词的权重,并选取权重大于预设阈值的词作为该文本的关键词。
8.根据权利要求6所述的一种输变电工程变更预测方法,其特征在于,数据处理模块(2)在选取出关键词后,数据处理模块(2)还根据预设词汇表将选出的关键词转换为对应的二进制词向量。
9.一种输变电工程变更预测系统,其特征在于,包括数据采集模块(1)、数据处理模块(2)和数据分析模块(3),所述数据采集模块(1)与数据处理模块(2)连接,所述数据采集模块(1)用于收集工程信息数据和工程环境数据,所述数据处理模块(2)用于对工程信息数据以及工程环境数据进行预处理以及关键词筛选,所述数据分析模块(3)与数据处理模块(2)连接,所述数据分析模块(3)用于进行工程变更预测。
10.根据权利要求9所述的一种输变电工程变更预测系统,其特征在于,还包括数据库(4),所述数据库(4)同时与数据采集模块(1)和数据分析模块(3)连接,所述数据库(4)用于储存工程信息数据以及工程环境数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803935.3A CN113762589A (zh) | 2021-07-16 | 2021-07-16 | 一种输变电工程变更预测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803935.3A CN113762589A (zh) | 2021-07-16 | 2021-07-16 | 一种输变电工程变更预测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762589A true CN113762589A (zh) | 2021-12-07 |
Family
ID=78787719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110803935.3A Pending CN113762589A (zh) | 2021-07-16 | 2021-07-16 | 一种输变电工程变更预测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762589A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720628A (zh) * | 2023-08-07 | 2023-09-08 | 建信金融科技有限责任公司 | 系统投产变更预测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108614778A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 基于高斯过程回归的安卓App程序演化变更预测方法 |
CN111460783A (zh) * | 2020-03-30 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、计算机设备及存储介质 |
CN111859955A (zh) * | 2020-07-03 | 2020-10-30 | 中山大学 | 一种基于深度学习的舆情数据分析模型 |
CN112446534A (zh) * | 2020-11-09 | 2021-03-05 | 国网福建省电力有限公司 | 一种输变电工程的建设工期预测方法和装置 |
CN112446210A (zh) * | 2020-11-27 | 2021-03-05 | 广州三七互娱科技有限公司 | 用户性别预测方法、装置及电子设备 |
CN112749278A (zh) * | 2020-12-30 | 2021-05-04 | 华南理工大学 | 一种建筑工程变更指令的分类方法 |
-
2021
- 2021-07-16 CN CN202110803935.3A patent/CN113762589A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108614778A (zh) * | 2018-05-10 | 2018-10-02 | 天津大学 | 基于高斯过程回归的安卓App程序演化变更预测方法 |
CN111460783A (zh) * | 2020-03-30 | 2020-07-28 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、计算机设备及存储介质 |
CN111859955A (zh) * | 2020-07-03 | 2020-10-30 | 中山大学 | 一种基于深度学习的舆情数据分析模型 |
CN112446534A (zh) * | 2020-11-09 | 2021-03-05 | 国网福建省电力有限公司 | 一种输变电工程的建设工期预测方法和装置 |
CN112446210A (zh) * | 2020-11-27 | 2021-03-05 | 广州三七互娱科技有限公司 | 用户性别预测方法、装置及电子设备 |
CN112749278A (zh) * | 2020-12-30 | 2021-05-04 | 华南理工大学 | 一种建筑工程变更指令的分类方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116720628A (zh) * | 2023-08-07 | 2023-09-08 | 建信金融科技有限责任公司 | 系统投产变更预测方法、装置、设备及存储介质 |
CN116720628B (zh) * | 2023-08-07 | 2023-11-03 | 建信金融科技有限责任公司 | 系统投产变更预测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165284A (zh) | 一种基于大数据的金融领域人机对话意图识别方法 | |
CN108563703A (zh) | 一种罪名的判定方法、装置及计算机设备、存储介质 | |
CN109408574B (zh) | 基于文本挖掘技术的投诉责任认定系统 | |
CN110310012B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
CN112559741B (zh) | 核电设备缺陷记录文本分类方法、系统、介质及电子设备 | |
CN113762589A (zh) | 一种输变电工程变更预测系统及方法 | |
CN115795018A (zh) | 一种面向电网领域的多策略智能搜索问答方法及系统 | |
CN115840815A (zh) | 基于指针关键信息的自动摘要生成方法 | |
CN111339287B (zh) | 摘要生成方法及装置 | |
CN114881130A (zh) | 一种基于Bagging模型的继电保护缺陷文本定级方法 | |
CN111460206B (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN114417010A (zh) | 面向实时工作流的知识图谱构建方法、装置和存储介质 | |
CN110119770B (zh) | 决策树模型构建方法、装置、电子设备及介质 | |
CN112348257A (zh) | 一种多源数据融合与时序分析驱动的选举预测方法 | |
CN111341404A (zh) | 一种基于ernie模型的电子病历数据组解析方法及系统 | |
CN111814457A (zh) | 一种电网工程合同文本生成方法 | |
CN113011162A (zh) | 一种指代消解方法、装置、电子设备及介质 | |
CN116644157B (zh) | 基于桥梁养护非结构化数据构建Embedding数据的方法 | |
CN116415047B (zh) | 一种基于国家形象资源推荐的资源筛选方法及系统 | |
CN115146596B (zh) | 召回文本的生成方法、装置、电子设备及存储介质 | |
CN117312534B (zh) | 一种基于保密知识库的智能问答实现方法、装置及介质 | |
CN114036293B (zh) | 数据处理方法、装置及电子设备 | |
CN113312532B (zh) | 一种基于深度学习面向公检法领域的舆情等级预测方法 | |
CN116303844A (zh) | 一种基于nlp和统计学的属地行政区划代码识别方法及系统 | |
CN116955534A (zh) | 投诉工单智能处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |