| 摘 要： | 文章一摘要:本文介绍了工单文本分类的理论和应用,并对文本分析的分词、机器学习、深度学习等技术方法进行了描述。基于预训练BERT模型提出了95598客服工单自动分类的方法,设计了电力客服工单自动分类的流程,最后通过一个实际的案例对算法模型进行校验,并与传统的文本挖掘方法进行了对比。算例的结果表明,所使用的工单分类算法能显著提高分类的准确性,在分类效率上也较高。文章二摘要:在输电线路三维可视化自动建模场景中如何实现对杆塔的三维点云数据进行快速准确的自动化分类是一个关键问题,在本文中我们提出了一种基于卷积自编码神经网络CAE的杆塔三维点云数据自动分类算法。首先,我们通过投影计算得到杆塔点云的旋转角度并使用旋转矩阵将杆塔点云摆正,然后进行正面侧面投影获取到杆塔点云的图像;第二,使用收集到的杆塔点云图像组成训练数据集,对卷积自编码网络进行训练之后提取出自编码网络的编码部分用于对图像进行特征提取;第三,使用自编码器对输入的杆塔点云图进行特征抽取,将提取的图像特征向量输入EM进行自动分类。实验结果表明我们所提出的杆塔点云自动分类算法能够快速准确实现对点云数据的自动化分类。文章三摘要:台风是一种可以给沿海地区电网造成巨大破坏的自然灾害,中国东南沿海地区正是台风灾害频发的地区。对于强台风环境下的地区电网,台风的强风可导致输配电网中的电气设备产生结构性损伤,影响供电稳定性。在电网设备中,杆塔是最易被台风影响的大型设备,从中国东南沿海电网历史台风灾损统计结果来看,绝大多数的倒塔与断杆主要发生在强风圈内,显然风速对杆塔的影响是巨大的。
|
