(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210874632.5 (22)申请日 2022.07.25 (71)申请人 广东电网有限责任公司佛山供电局 地址 528000 广东省佛山市禅城区汾江南 路1号 (72)发明人 黄锷　赵必舜　吴小平　吴海江　 陈子弘　李聪　左绍清　严永高　 阳懿　罗阳　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 任文生 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) (54)发明名称 一种基于神经网络的作业风险识别方法及 系统 (57)摘要 本发明涉及大数据处理技术领域， 公开了一 种基于神经网络的作业风险识别方法及系统， 其 方法通过获取作业风险发生时对应的历史数据 以及对应的风险类型， 对所有历史数据进行分 类， 并利用欧式距离计算历史数据与其风险类型 的相关度， 取相关度大于预设相关度阈值的历史 数据以及风险类型构建训练样 本集， 基于深度神 经网络对训练样本集进行训练， 构建作业风险识 别模型， 从而对风险数据进行识别风险类型， 提 高了作业 风险识别效率和准确性。 权利要求书2页 说明书5页 附图2页 CN 114936614 A 2022.08.23 CN 114936614 A 1.一种基于神经网络的作业 风险识别方法， 其特 征在于， 包括以下步骤： 获取作业 风险发生时对应的历史数据以及对应的风险类型； 提取所有历史数据的特征向量， 按照风险类型对所有特征向量进行归类， 得到若干个 特征集合； 获取每个特征集合的平均 特征向量矩阵， 利用欧式距离计算每个特征向量与其相应的 特征集合的平均特 征向量矩阵的相关度， 获取相关度大于预设相关度阈值的历史数据； 将相关度大于所述预设相关度阈值的历史数据及其对应的风险类型构建训练样本集； 基于深度神经网络对所述训练样本集进行训练， 构建作业 风险识别模型。 2.根据权利要求1所述的基于神经网络的作业风险识别方法， 其特征在于， 所述获取作 业风险发生时对应的历史数据以及对应的风险类型的步骤之后包括： 对所述历史数据进行数据清洗， 所述数据清洗的方式包括插值处理、 异常值清理和标 准化处理。 3.根据权利要求1所述的基于神经网络的作业风险识别方法， 其特征在于， 提取所有历 史数据的特 征向量的步骤具体包括： 通过空间向量模型对所述历史数据进行向量 化， 得到相应的特 征向量。 4.根据权利要求1所述的基于神经网络的作业风险识别方法， 其特征在于， 基于深度神 经网络对所述训练样本集进行训练， 构建作业 风险识别模型的步骤具体包括： 基于两个不同的深度神经网络对所述训练样本集进行训练， 构建两个作业风险识别模 型。 5.根据权利要求4所述的基于神经网络的作业风险识别方法， 其特征在于， 所述基于两 个不同的深度神经网络对所述训练样本集进 行训练， 构建两个作业风险识别模型的步骤之 后包括： 获取作业 风险发生时对应的实时数据； 将所述实时数据分别 输入至两个作业风险识别模型中， 分别得到相应的风险类型标签 识别结果； 将两个风险类型 标签识别结果进行加权计算， 得到最终的风险类型。 6.一种基于神经网络的作业 风险识别系统， 其特 征在于， 包括： 历史数据获取模块， 用于获取作业 风险发生时对应的历史数据以及对应的风险类型； 分类模块， 用于提取所有历史数据的特征向量， 按照风险类型对所有特征向量进行归 类， 得到若干个特 征集合； 相关计算模块， 用于获取每个特征集合的平均特征向量矩阵， 利用欧式距离计算每个 特征向量与其相应的特征集合的平均特征向量矩阵的相关度， 获取相关度大于预设相关度 阈值的历史数据； 样本集构建模块， 用于将相关度大于所述预设相关度阈值的历史数据及其对应的风险 类型构建训练样本集； 模型训练模块， 用于基于深度神经网络对所述训练样本集进行训练， 构建作业风险识 别模型。 7.根据权利要求6所述的基于神经网络的作业 风险识别系统， 其特 征在于， 还 包括： 数据清洗模块， 用于对所述历史数据进行数据清洗， 所述数据清洗的方式包括插值处权　利　要　求　书 1/2 页 2 CN 114936614 A 2理、 异常值清理和标准 化处理。 8.根据权利要求6所述的基于神经网络的作业风险识别系统， 其特征在于， 所述分类模 块包括： 向量化模块， 用于通过空间向量模型对所述历史数据进行向量化， 得到相应的特征向 量。 9.根据权利要求6所述的基于神经网络的作业风险识别系统， 其特征在于， 所述模型训 练模块具体用于基于两个不同的深度神经网络对所述训练样本集进行训练， 构建两个作业 风险识别模型。 10.根据权利要求9所述的基于神经网络的作业 风险识别系统， 其特 征在于， 还 包括： 实时数据获取模块， 用于获取作业 风险发生时对应的实时数据； 识别模块， 用于将所述实时数据分别输入至两个作业风险识别模型中， 分别得到相应 的风险类型 标签识别结果； 加权计算模块， 用于将两个风险类型标签识别结果进行加权计算， 得到最终的风险类 型。权　利　要　求　书 2/2 页 3 CN 114936614 A 3