[发明专利]一种智慧灯杆漏电风险预测方法、装置和系统

权利要求书

1.一种智慧灯杆漏电风险预测方法，其特征在于，包括：

采集数据源形成记录数据，数据源包括漏电风险指标值和告警信息值；

提取智慧灯杆特征对应的智慧灯杆特征值，根据智慧灯杆特征值对智慧灯杆漏电风险预测方法的影响确定不同的权重，筛选出有价值且权重大的智慧灯杆特征值；

分析智慧灯杆易发生漏电的设备种类；

利用提取出的智慧灯杆特征值构建智慧灯杆漏电风险预测模型，以及此预测模型在不同特征值对应的告警种类。

2.根据权利要求1所述的智慧灯杆漏电风险预测方法，其特征在于，所述利用提取出的智慧灯杆特征值构建智慧灯杆漏电风险预测模型，以及此预测模型在不同特征值对应的告警种类，包括步骤：

将所有记录数据视为一个父节点，遍历每一个智慧灯杆特征的一种分割方式，找到最优分割点，将父节点中的记录数据分割成两个子节点数据，再对子节点迭代执行；

选择一个合适的特征作为判断节点，可以快速的分类，减少决策树的深度；

选择信息熵计算各节点的不纯度值，以此选择最合适的分割方式，最终构建相应的决策树结构，作为智慧灯杆漏电风险预测模型。

3.根据权利要求2所述的智慧灯杆漏电风险预测方法，其特征在于，所述选择信息熵计算各节点的不纯度值，以此选择最合适的分割方式，最终构建相应的决策树结构，包括步骤：

从记录数据中抽取样本数据集，若在样本数据集中，混有若干种类别数据，构建决策树时，根据所述样本数据集选择某个智慧灯杆特征值作为决策树的节点；在样本数据集中，计算出该种类别数据的信息熵；

计算对应数据集中，选择智慧灯杆特征作为决策树判断节点时，在智慧灯杆特征作用后的信息熵；

计算信息增益。

4.根据权利要求3所述的智慧灯杆漏电风险预测方法，其特征在于，所述，节点包括至少一个父节点和/或至少一个子节点。

5.根据权利要求4所述的智慧灯杆漏电风险预测方法，其特征在于，所述在样本数据集中，计算出该种类别数据的信息熵的公式为：

其中D表示训练数据集，c表示数据类别数，Pi表示类别i样本数量占所有样本的比例。

6.根据权利要求5所述的智慧灯杆漏电风险预测方法，其特征在于，所述对应数据集中，选择智慧灯杆特征作为决策树判断节点时，在智慧灯杆特征作用后的信息熵的计算公式为：

其中，k表示样本D被分为k个部分；D表示对应记录数据的数据集，D_j表示样本D被分成的第j个子样本(j在(0,k]范围内)，A表示选择智慧灯杆特征；Info(D)表示对应数据集中，选择智慧灯杆特征作为决策树判断节点时，在智慧灯杆特征作用后的信息熵。

7.根据权利要求6所述的智慧灯杆漏电风险预测方法，其特征在于，所述计算信息增益的公式为：

Gain(A)＝Info(D)-Info_A(D)

D表示数据集；A表示智慧灯杆特征；Gain(A)表示信息增益，是数据集D在智慧灯杆特征A的作用后，其信息熵减少的值。

8.一种智慧灯杆漏电风险预测装置，其特征在于，所述智慧灯杆智能检修路线规划装置用以实现权利要求1-7任一项所述的智慧灯杆漏电风险预测方法。

9.一种智慧灯杆漏电风险预测系统，其特征在于，所述智慧灯杆漏电风险预测系统用以实现权利要求1-7任一项所述的智慧灯杆漏电风险预测方法。

10.一种存储介质，其特征在于，其上存储有计算机程序，其中所述计算机程序在由处理器执行时实现权利要求1-7任一项所述的智慧灯杆漏电风险预测方法。