[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

本發明公開了一種基于LSTM神經網絡的戶外廣告在線倒塌預測方法，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。本發明可全天候在線異常檢測。

技術領域

本發明涉及計算機技術、人工智能在故障檢測領域的應用，具體涉及一種基于LSTM神經網絡的戶外廣告在線倒塌預測方法。

背景技術

戶外廣告是在建筑物外表或街道、廣場等室外公共場所設立的霓虹燈、戶外廣告、海報等。戶外廣告是面向所有的公眾，所以比較難以選擇具體目標對象，但是戶外廣告可以在固定的地點長時期地展示企業的形象及品牌，因而對于提高企業和品牌的知名度是很有效的。

由于戶外廣告所處位置均具有一定的高度，如果戶外廣告的安安裝或在使用過程中出現問題，例如螺釘銹蝕、支架斷裂等因素導致戶外廣告倒塌，這樣容易引發行人的安全事故。然而，由于戶外廣告的結構和安裝方式不盡相同，無法使用統一的模型來描述所有戶外廣告的振動情況。而對每個戶外廣告進行建模又是不切實際的。

目前已有的戶外廣告倒塌預測技術，通常通過采集傳感器數據，使用確定的算法對戶外廣告狀態進行預測，此方法無法適應不同環境中的戶外廣告，泛化能力較差，并且準確率較低，容易出現異常狀態的誤報或不報。還有一類技術采用機器視覺方法檢測戶外廣告狀態，此類方法僅能檢測視覺上的異常狀況，通常無法對戶外廣告倒塌進行準確預測，而且此方法受到環境中的干擾噪聲也比較大，容易出現誤報。

戶外廣告的安全可靠，影響著人民群眾生命和財產的安全，因此戶外廣告的安全監測是一個亟需解決的重要問題。

發明內容

本發明提供一種基于LSTM神經網絡的戶外廣告在線倒塌預測方法，本發明可全天候在線異常檢測。

基于LSTM神經網絡的戶外廣告在線倒塌預測方法，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。

進一步地，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。

進一步地，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；