科研之友
微信
新浪微博
Facebook
分享链接
摘要
为保障高速公路服务区供暖系统的健康运行，本文结合供暖系统的构成和运行特征，设计了一种用于评估服务区供暖系统运行健康状态的极致梯度提升（Extreme Gradient Boosting, XGBoost）和支持向量机（Support Vector Machine,SVM）的双层机器学习模型，并将系统运行健康状态分为健康、亚健康、故障和异常四个等级。首先，分析电压、电流、水温、机组运行状态、蓄热泵、循环泵和泵运行状态7个子系统的运行特征，使用随机函数和欠采样处理构建特征向量集。其次，采用XGBoost构建下层各子系统健康状态评估模型，并输出各子系统的健康状态。然后，融合各子系统健康状态的评估结果，输入至上层SVM系统评估模型，得到整个?供?暖系统的健康状态。最后，将实验与决策树、AdaBoost和XGBoost等模型进行对比，结果表明所提出的XGBoost+SVM双层机器学习模型相较对比模型而言，不仅判断精度更高，同时还可评估整个供暖系统以及各子系统的健康状态。
-
单位北京交通大学; 交通运输学院
