一种基于贝叶斯优化BP神经网络的带电作业人员状态分析方法技术

本发明专利技术公开了一种基于贝叶斯优化BP神经网络的带电作业人员状态分析方法，属于深度学习技术领域。通过测量不同时间带电作业区域天气的温度、气压、湿度三种数据，即每一个时刻采集的数据点包括三个特征值；同时采集对应时间的带电作业人员的体温、心率、血压；之后对数据进行预处理，最后将预处理后的数据导入模型进行训练，训练完成后，就可以输入实时数据对带电作业人员的状态进行判定和预警。本发明专利技术的基于贝叶斯优化BP神经网络的带电作业人员状态分析方法，可以通过输入作业当天的温度、气压、湿度数据，输出预测的正常体温、心率、血压，通过与实际值的比较从而对作业人员进行预警，有效保障作业人员的人身安全。

【技术实现步骤摘要】

本专利技术属于深度学习，特别是涉及到一种基于贝叶斯优化bp神经网络的带电作业人员状态分析方法。

技术介绍

1、随着国家电网的高速发展，带电作业越来越趋于常态化，但如今缺乏不同环境下对带电作业人员的状态判定预测方法，无法获得作业人员身体状态实时数据，导致作业人员健康状况不适合带电作业时却无法被检测到，无法对作业时状态进行预警，从而导致作业人员的生命安全易受到威胁。

2、因此现有技术当中亟需要一种新的技术方案来解决这一问题。

技术实现思路

1、本专利技术所要解决的技术问题是：提供一种基于贝叶斯优化bp神经网络的带电作业人员状态分析方法，用于解决现有技术中因缺乏不同环境下对带电作业人员的状态判定预测方法，导致作业人员健康状况不适合带电作业时却无法被检测到，从而导致作业人员的生命安全易受到威胁的技术问题。

2、本专利技术所采取的技术方案是提供一种基于贝叶斯优化bp神经网络的带电作业人员状态分析方法，首先用温度检测仪、气压检测仪、湿度检测仪采集不同时间带电作业区域天气的温度、气压、湿度三种数据，本文档来自技高网...

【技术保护点】

1.一种基于贝叶斯优化BP神经网络的带电作业人员状态分析方法，其特征在于：包括以下步骤：

【技术特征摘要】

1.一种基于贝叶斯优化bp神经网络的带电作业...

【专利技术属性】
技术研发人员：王家峰，付东，姚峥，孙学斌，单中闯，牟银笛，刘伟，刘世健，杨继成，蒋祖利，
申请(专利权)人：国网辽宁省电力有限公司鞍山供电公司，
类型：发明
国别省市：