本文主要研究内容
作者陈凯,南东亮,孙永辉,夏响（2019）在《基于XGBoost算法的电网二次设备缺陷分类研究》一文中研究指出：电网二次设备缺陷严重程度的精确判断可为设备的运行和维护提供重要依据.针对电网二次设备缺陷数据特征量多、人为判断难度大、易出错等问题,提出基于XGBoost(eXtreme Gradient Boosting)的二次设备缺陷分类方法,提高二次设备缺陷分类的准确率.首先,对二次设备历史缺陷数据进行去异常值、编码等一系列预处理工作,并筛选出与设备缺陷相关性高的特征建立特征指标集;然后,利用历史缺陷数据对XGBoost模型进行训练和参数寻优;最后,用训练好的分类模型实现二次设备缺陷的准确分类.本文采用某电厂二次设备缺陷数据对所提算法进行算例分析,并与传统分类器(决策树、逻辑回归等)进行比较,结果表明XGBoost可以实现对二次设备缺陷程度的精确判断,进而可以很好地辅助检修人员进行设备的维护与管理.
Abstract
dian wang er ci she bei que xian yan chong cheng du de jing que pan duan ke wei she bei de yun hang he wei hu di gong chong yao yi ju .zhen dui dian wang er ci she bei que xian shu ju te zheng liang duo 、ren wei pan duan nan du da 、yi chu cuo deng wen ti ,di chu ji yu XGBoost(eXtreme Gradient Boosting)de er ci she bei que xian fen lei fang fa ,di gao er ci she bei que xian fen lei de zhun que lv .shou xian ,dui er ci she bei li shi que xian shu ju jin hang qu yi chang zhi 、bian ma deng yi ji lie yu chu li gong zuo ,bing shai shua chu yu she bei que xian xiang guan xing gao de te zheng jian li te zheng zhi biao ji ;ran hou ,li yong li shi que xian shu ju dui XGBoostmo xing jin hang xun lian he can shu xun you ;zui hou ,yong xun lian hao de fen lei mo xing shi xian er ci she bei que xian de zhun que fen lei .ben wen cai yong mou dian an er ci she bei que xian shu ju dui suo di suan fa jin hang suan li fen xi ,bing yu chuan tong fen lei qi (jue ce shu 、luo ji hui gui deng )jin hang bi jiao ,jie guo biao ming XGBoostke yi shi xian dui er ci she bei que xian cheng du de jing que pan duan ,jin er ke yi hen hao de fu zhu jian xiu ren yuan jin hang she bei de wei hu yu guan li .
论文参考文献
论文详细介绍
论文作者分别是来自南京信息工程大学学报(自然科学版)的陈凯,南东亮,孙永辉,夏响，发表于刊物南京信息工程大学学报(自然科学版)2019年04期论文，是一篇关于算法论文,二次设备论文,缺陷分类论文,机器学习论文,南京信息工程大学学报(自然科学版)2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自南京信息工程大学学报(自然科学版)2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：算法论文; 二次设备论文; 缺陷分类论文; 机器学习论文; 南京信息工程大学学报(自然科学版)2019年04期论文;