融合框架下的电力工程数据特征提取与评估方法

针对现有电力工程评估校核方法数据处理效率低、智能化与信息化程度不足的问题,提出了一种基于多层感知机(MLP)、门控循环单元(GRU)和图卷积神经网络(GCN)的多任务融合数据评估模型。该模型在对工程数据进行预处理的基础上,利用MLP、GRU和GCN从多元数据中提取深层特征。在自适应权重的多任务学习模型中引入张量融合方法,完成数据信息的特征级融合,再经共享层与输出层的全连接处理得到评估结果。实验结果表明,所提模型评估结果的均方根误差为0.035,平均绝对值误差为0.014,决定系数为0.993,均优于现有特征融合数据处理方法。