[发明专利]一种电力现场作业人员智能分配应用方法

说明书

本发明涉及一种电力现场作业人员智能分配应用方法，属于智能推荐系统技术领域。本发明基于深度学习SDAE算法和协同过滤推荐算法，通过十个应用方法步骤，实现栈式降噪自编码器科学建模，针对电力工程项目设计，可自动从人员信息及历史工程数据中学习，特别适合电力工程项目快速甄别、优选施工人员操作应用，推荐范围广，推荐结果召回率高，从而可切实保证质量和进度、促进安全可靠地完成电力工程项目的施工。解决了现有技术推荐范围小、推荐结果召回率低，推荐能力和使用范围有限，难以应用于电力工程项目高标准、多项类、海量甄别优选施工人员操作的问题。

技术领域

本发明涉及一种电力现场作业人员智能分配应用方法，属于智能推荐系统技术领域。

背景技术

电力工程项目和工农业的生产及人们的生活密切相关。一个电力工程项目需要组织协调多个、甚至几十个工种的作业人员进行施工，对施工人员的技术能力、安全意识、职业操守、团队协作能力要求极高。传统方法依靠人工统计分析并借助计算机数据库对施工人员进行筛选，这些方法不能从庞杂、巨大的信息数据量中准确、快速、高效优选施工人员，会严重影响电力工程项目施工质量和进度，甚至会给选择不当的施工人员带来巨大人身安全隐患。本发明意在通过人工智能算法提升对电力工程人员调度的能力，自动学习人员信息及历史工程数据，实现电力工程项目快速甄别、优选施工人员。现有的智能人员推荐系统研究主要集中在工作流和工作列表的资源调度上，比如[文献1，名称为《GeneticAlgorithm Based Approach to Personal Worklist Resource Scheduling》]中利用遗传算法对个人工作列表进行资源调度，[文献2，名称为《Research on level of humanresources supply chain platform based on hierarchy genetic algorithm》]中以考虑人力资源成本和生产商用人的总费用最低为目标做出的人力资源规划；然而，这些资源调度方法选择相对简单，没有考虑到人员信息及历史工程数据的影响，推荐范围小、推荐结果召回率低，推荐能力和使用范围都很有限，难以实现电力工程项目需要的高标准、多项类、海量甄别优选施工人员的操作。因此，十分有必要研发一种针对电力工程项目快速甄别、优选施工人员设计，基于深度学习SDAE算法和协同过滤推荐算法，包括十个应用方法步骤，实现栈式降噪自编码器科学建模，自动从人员信息及历史工程数据中学习，推荐结果召回率高，适合电力工程项目快速甄别和优选施工人员，推荐范围广的电力现场作业人员智能分配应用方法，以保证质量和进度及安全可靠的完成电力工程项目施工。

发明内容

本发明的目的在于，针对现有电力现场作业人员分配技术的不足，提供一种基于深度学习SDAE算法和协同过滤推荐算法，通过本发明九个应用方法步骤，实现栈式降噪自编码器科学建模，自动从人员信息及历史工程数据中学习，可准确、高效推荐与电力工程项目契合的优选施工人员，推荐结果召回率高，推荐范围广，为高质量、高进度和安全可靠地完成电力工程项目施工奠定坚实基础的电力现场作业人员智能分配应用方法。

本发明是通过如下的技术方案来实现上述目的的：

一种电力现场作业人员智能分配应用方法，基于深度学习SDAE算法和协同过滤推荐算法，其特征在于，该电力现场作业人员智能分配应用方法的实现包括：A、模型训练阶段，B、人员-任务推荐阶段两大步骤；

A、模型训练阶段，它包括如下子步骤：

a.1）人员信息及历史工程数据归一化；

a.2）人员信息及历史工程数据向量化处理；

a.3）设计网络结构 ( 输入层，中间隐层，输出层 )，根据神经网络堆叠 Autoencoder，进行任务数据特征提取；

a.4）将训练样本分为若干组，分别利用随机梯度下降法训练推荐模型；

a.5）模型参数调优。