计量检定装置智能运维知识库的构建与应用研究

发布时间：2024-03-07 00:44

　　针对计量检定装置人工运维效率低、易出错的问题,该文提出了一种计量检定装置智能运维知识库的构建方法。以线下运维日志的历史数据为基础,采用自然语言处理技术,构建基于隐含狄利克雷分布(latent Dirichlet allocation,LDA)的智能运维知识库模型。通过余弦相似度的故障相似度计算方法,输入故障现象输出故障处理方法,实现了故障处理方法的智能推荐。实际应用表明,该方法在不影响计量检定工作的前提下,能够提升运维效率、减少运维成本。

【文章页数】：5 页

【部分图文】：

图1LDA模型流程

对于LDA模型来说一个文档的形成是先确定某个位置的主题，然后才选择这个主题下的某个词，即先确定主题后选词。图1为LDA模型结构流程，模型中出现的参数如表1所示。LDA模型将变量分为3个层级：α軑，β軋为文档集层级变量（corpus-level），一个模型内部文档集层级变量一样；为....

图3向量化示例图

分词后形成文档集的“词袋”并对“词袋”中的词汇进行编码。通过计算每篇文档的词频将文本向量化，得到文档集的词频矩阵，作为构建知识库模型的输入。图3给出了将分词结果向量化过程示例。2.2主题分布矩阵

图4迭代调优流程

知识库应用过程中，根据用户反馈进行不断完善使得知识库和智能应答功能可根据多变的现实情况不断调整，进行深度自学习，从而实现知识库的迭代优化，如图4所示。用户反馈来源于两个方面：一是用户在故障现象匹配结果中的选择；二是原因排查后用户反馈原因是否在推荐列表中。第一部分的反馈所体现的是文....

图5知识库构建流程

原始数据来自于由线下运维日志整理成的处理方法编码表，主要数据是报警原因描述以及处理方法描述。在实际应用中，选取2015年至2019年的某省级计量中心单相一号线运维日志，通过文字识别技术扫描并形成线下运维档案，部分日志记录如图6所示。图6单相一号线运维日志记录图

本文编号：3921128