一种基于支持向量机的输电杆塔姿态的预测方法及系统与流程

技术特征：
1.一种基于支持向量机的输电杆塔姿态的预测方法，其特征在于，包括以下步骤：步骤s1：动态监测输电杆塔姿态，获取高精度定位；步骤s2：采集输电杆塔姿态的历史数据；步骤s3：对样本数据集进行预处理，构建样本数据集，得到训练集和测试集；步骤s4：利用支持向量机算法对训练集数据进行训练，生成支持向量机分类模型；步骤s5：输入待预测输电杆塔数据进行预测。2.根据权利要求1所述的一种基于支持向量机的输电杆塔姿态的预测方法，其特征在于：所述步骤s1包括：gnss天线接收定位卫星原始数据来定点的地理位置，gnss接收机利用原始数据解算出具体地理位置数据并发送至远程cors服务系统上，gnss接收机接收cors服务器返回的改正数，并进行定位解算。3.根据权利要求1所述的一种基于支持向量机的输电杆塔姿态的预测方法，其特征在在于：所述步骤s2包括：收集历年来故障输电杆塔的数据，具体包括由滑坡、地震、泥石流等自然灾害引起的输电杆塔姿态错换。4.根据权利要求1所述的一种基于支持向量机的输电杆塔姿态的预测方法，其特征在于：所述步骤s3包括：先对收集到的输电杆塔数据进行特征提取，选取发生过滑坡、地震、泥石流等自然灾害的输电杆塔作为样本特征，再将预处理后的输电杆塔历史数据按照某一比例划分成训练集和测试集。5.根据权利要求1所述的一种基于支持向量机的输电杆塔姿态的预测方法，其特征在于：所述步骤s4包括以下子步骤：步骤s4.1：从样本集中随机抽取n个样本，即各输电杆塔的北斗高精度监测数据；步骤s4.2：将样本集各监测数据所属输电杆塔按照其是否维修进行分类；步骤s4.3：按照分类的结果，确定分类函数，即确定函数间隔，从而在多维空间中找到一个超平面，形成支持向量机分类模型。6.根据权利要求1所述的一种基于支持向量机的输电杆塔姿态的预测方法，其特征在于：所述步骤s5，利用支持向量机分类模型进行分类，得到其输电杆塔是否需要维修。7.一种基于支持向量机的输电杆塔姿态的预测系统，其特征在于，包括以下模块：模块m1：动态监测输电杆塔姿态，获取高精度定位；模块m2：采集输电杆塔姿态的历史数据；模块m3：对样本数据集进行预处理，构建样本数据集，得到训练集和测试集；模块m4：利用支持向量机算法对训练集数据进行训练，生成支持向量机分类模型；模块m5：输入待预测输电杆塔数据进行预测。8.根据权利要求7所述的一种基于支持向量机的输电杆塔姿态的预测系统，其特征在于：所述模块m1包括：gnss天线接收定位卫星原始数据来定点的地理位置，gnss接收机利用原始数据解算出具体地理位置数据并发送至远程cors服务系统上，gnss接收机接收cors服务器返回的改正数，并进行定位解算。9.根据权利要求7所述的一种基于支持向量机的输电杆塔姿态的预测系统，其特征在于：所述模块m2包括：收集历年来故障输电杆塔的数据，具体包括由滑坡、地震、泥石流等自然灾害引起的输电杆塔姿态错换。10.根据权利要求7所述的一种基于支持向量机的输电杆塔姿态的预测系统，其特征在
于：所述模块m3包括：先对收集到的输电杆塔数据进行特征提取，选取发生过滑坡、地震、泥石流等自然灾害的输电杆塔作为样本特征，再将预处理后的输电杆塔历史数据按照某一比例划分成训练集和测试集。

技术总结
本发明提供了一种基于支持向量机的输电杆塔姿态的预测方法及系统，包括以下步骤：步骤S1：动态监测输电杆塔姿态，获取高精度定位；步骤S2：采集输电杆塔姿态的历史数据；步骤S3：对样本数据集进行预处理，构建样本数据集，得到训练集和测试集；步骤S4：利用支持向量机算法对训练集数据进行训练，生成支持向量机分类模型；步骤S5：输入待预测输电杆塔数据进行预测。本发明利用机器学习中的支持向量机算法对输电杆塔姿态进行预测，能够很好的处理北斗高精度定位的高维数据。该模型中数据样本的增加与减少对分类效果影响不大，因此训练速度快，减少数据的冗余，且对核函数的适应力比较广泛。泛。泛。


技术研发人员：陈新 裴凌 金禕
受保护的技术使用者：上海交通大学
技术研发日：2021.04.15
技术公布日：2021/10/18