摘要
本发明提供一种基于深度学习的DAS防外破方法及系统，包括：通过DAS采集环境振动信号，对所述环境振动信号进行预处理，建立时段特征数据库；基于所述时段特征数据库，采用CNN‑LSTM混合网络训练每个监测时段的专用识别模型，得到多时段初始子模型；通过模型相似度分析将所述多时段初始子模型整理为预设场景模型，建立动态更新机制，采用更新数据优化模型参数，得到优化的多时段模型；通过实时监测匹配所述优化的多时段模型中的当前时段模型，利用多维度判决，输出监测告警结果，基于所述监测告警结果对模型库进行持续更新。
