本文敘述如何使用深度學習來進行地下電纜系統的預測性維護。利用深度學習模型能夠接近即時地執行分類，讓現場的技術人員可以在擷取到資料後立即看到結果，並且在必要時重新執行測試。

地下電纜系統與陸上電線路網相比，雖然對暴風雨、閃電、野火、冰暴、以及其他不利天氣狀況較不敏感；不過，地下電纜維修成本較高，很難準確指出故障位置及進行修復。如果電纜的瑕疵未被偵測出來，可能導致停電和對大眾造成危險。

根據IEEE數據顯示，大約90%的地下電纜系統故障都和局部放電（partial discharge；PD）有關，也就是電纜內的電場超出介電質絕緣體可承受的能力時出現的現象。當PD發生時，會產生高頻訊號?幅度通常低於100毫伏（millivolts），由於這些訊號是介電質劣化，並且最終將導致故障的象徵，因此最好能及早檢測到這些無法預料的電纜故障訊號，並在故障發生之前進行維修。
...
...