公开(公告)号：CN119720015A

公开(公告)日：2025-03-28

申请号：CN202411768421.9

申请日：2024-12-04

Applicant: 北京交通大学

Inventor： 宋飞 ,  刘金宝 ,  马玉寅 ,  朱明强 ,  晏振宇

IPC: G06F18/2433 ,  G06F18/213 ,  G06Q50/06 ,  G06N3/092

Abstract: 本发明公开了一种基于深度特征提取与多类别异常识别的电力信息网络流量异常检测方法，该技术能够精准识别电力信息网络中各种类型的流量异常。首先，从网络节点获取网络流量数据，并进行数据预处理。随后，利用独特的特征提取机制对流量数据进行分析，结合电力信息网络流量数据的特点，连接多层特征编码器和特征映射层，学习和提取数据深层特征。最后，结合SoftMax分类模型，对提取到的特征进行分类，实现对网络流量异常的精准异常识别与分类。以交叉熵损失函数作为模型优化目标，采用高效的梯度下降优化算法对模型参数进行更新，从而有效提升模型的泛化能力和鲁棒性，能够适应复杂多变的电力信息网络环境，有效地保障电力信息系统的安全可靠运行。

公开(公告)号：CN119084836A

公开(公告)日：2024-12-06

申请号：CN202410853691.3

申请日：2024-06-28

Applicant: 中国检验认证集团北京有限公司 ,  北京交通大学

Inventor： 郭翔 ,  黄建华 ,  张冬冬 ,  贾旻 ,  杨斯超 ,  张绮璇 ,  张畅 ,  刘金宝 ,  彭天皓 ,  马玉寅

IPC: F17D5/02 ,  F17D5/00

Abstract: 本发明提供了一种多源异构燃气管网数据融合的管道泄漏预警方法及装置，其中方法包括数据层面对多源异构数据进行预处理，针对数值型数据和图像数据采用不同的预处理方法，实现对燃气管网物理属性数据和影像数据的预先处理；特征层面构建支持向量机模型和深度卷积神经网络模型分别提取数值数据和图像数据的特征，并输出分类概率，为决策层提供证据基础；决策层面基于D‑S证据理论，对模型的判断结果进行融合决策，得出最终燃气管道是否泄漏的最终决策判断。本发明分别对异构数据采取不同的特征抽取方案，实现多源异构数据的精准特征提取，通过证据理论将异构数据特征充分融合，消除了数据源的不确定性，最终实现对燃气管网泄漏潜在风险的有效预警。