[發明專利]基于LSTM神經網絡的戶外廣告在線倒塌預測方法

在審

• 申請號: 202011330273.4
• 申請日: 2020-11-24
• 公開（公告）號: CN112418529A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 吳晨;楊敏;徐冰;朱曉霞;徐晶
• 申請（專利權）人: 江蘇巨數智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于LSTM神經網絡的戶外廣告在線倒塌預測方法，其特征在于，包括以下步驟：

S1，采集環境數據和振動數據；

S2，對采集的數據進行歸一化處理；

S3，利用安裝初期正常情況下的數據進行訓練，通過LSTM神經網絡將環境數據，映射戶外廣告環境與振動數據的非線性關系，將擬合結果與實際數據比較，學習戶外廣告在風力作用下的震動模式，本步驟中使用的LSTM神經網絡結合了LSTM層和全連接層，其中，LSTM層用于提取序列數據特征，全連接層融合序列特征并改變輸出數據的形狀；

S4，基于S3的訓練結果對戶外廣告進行長期在線檢測，判斷戶外廣告的異常。

2.根據權利要求1所述的基于LSTM神經網絡的戶外廣告在線倒塌預測方法，其特征在于，在S1中，通過安裝在戶外廣告上的風速、風向、三軸加速度傳感器采集數據，如果各傳感器采樣率不同，則去除采樣率較高序列的部分數據使得所有數據序列均具有相同的采樣率和采樣時間。

3.根據權利要求1所述的一種基于LSTM神經網絡的戶外廣告在線倒塌預測方法，其特征在于，所述S3中的訓練過程如下：

S31：構造訓練和測試樣本，將風速、風向傳感器數據作為樣本的輸入，三軸加速度數據作為樣本的輸出數據，得到帶標簽的樣本，并隨機將樣本數據按比例分為訓練集和測試集；

S32：構造用于訓練和檢測的LSTM神經網絡，網絡結構至少包含2個LSTM層和2個全連接層，其中，最后一層全連接層作為輸出層，LSTM神經網絡的輸出為預測的三軸加速度數據序列；

S33：使用訓練集樣本數據訓練LSTM神經網絡，通過損失函數表達預測的三軸加速度數據與實際測得的三軸加速度數據的誤差，在訓練集上重復進行多輪訓練，直到LSTM神經網絡在測試集上的誤差不再降低或到達最大訓練輪數時停止；

S34：確定網絡閾值和檢測策略，根據訓練結束時的網絡模型參數，計算訓練集上各樣本誤差的統計特征，并確定異常檢測策略，策略根據最近若干個樣本的三軸加速度預測數據序列的誤差進行判斷，輸出的檢測結果為正常或異常，如果輸出的檢測結果為異常，則表示戶外廣告具有較高的倒塌風險。

4.根據權利要求3所述的基于LSTM神經網絡的戶外廣告在線倒塌預測方法，其特征在于，在S32中，第一個LSTM層的輸入維度為2，輸出維度為64；第二個LSTM層輸入維度為64，輸出維度為1，輸入序列通過全部2層LSTM后得到長度為300的向量，然后輸出到下一層。