期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CatBoost的恶劣天气下电网设备故障预测模型
1
作者
江上航
王国庆
+1 位作者
朱建明
黄钧
《安全与环境工程》
北大核心
2025年第2期133-142,共10页
恶劣天气对电网设备故障的发生有着显著影响,进而威胁电网的安全运行。综合气象特征与地理信息特征,提出一种恶劣天气下基于CatBoost(分类数据提升树)算法的电网设备故障预测模型。首先收集故障信息、实时气象和地理信息等原始数据,并使...
恶劣天气对电网设备故障的发生有着显著影响,进而威胁电网的安全运行。综合气象特征与地理信息特征,提出一种恶劣天气下基于CatBoost(分类数据提升树)算法的电网设备故障预测模型。首先收集故障信息、实时气象和地理信息等原始数据,并使用MICE Forest(多重插补随机森林)算法填补缺失值;然后根据数据特征属性进行特征衍生得到时间、气象等方面的8个新特征,并利用递归特征消除方法结合交叉验证方法,评估特征的重要度,选取重要度最高的特征作为输入来构建模型;接着以最高准确率为优化目标,使用贝叶斯算法得到模型最优参数;最后在测试集上对模型准确率、精确率和调和均值F1进行验证。结果表明:提取得到的新特征有助于提高模型的预测精度,并且,与其他模型相比具有更高的预测精度,其准确率为0.831,精确率为0.858,调和均值为0.756。
展开更多
关键词
恶劣天气
CatBoost
特征工程
电网设备故障
预测模型
在线阅读
下载PDF
职称材料
题名
基于CatBoost的恶劣天气下电网设备故障预测模型
1
作者
江上航
王国庆
朱建明
黄钧
机构
中国科学院大学工程科学学院
中国科学院大学应急管理科学与工程学院
出处
《安全与环境工程》
北大核心
2025年第2期133-142,共10页
基金
国家自然科学基金项目(72074202)。
文摘
恶劣天气对电网设备故障的发生有着显著影响,进而威胁电网的安全运行。综合气象特征与地理信息特征,提出一种恶劣天气下基于CatBoost(分类数据提升树)算法的电网设备故障预测模型。首先收集故障信息、实时气象和地理信息等原始数据,并使用MICE Forest(多重插补随机森林)算法填补缺失值;然后根据数据特征属性进行特征衍生得到时间、气象等方面的8个新特征,并利用递归特征消除方法结合交叉验证方法,评估特征的重要度,选取重要度最高的特征作为输入来构建模型;接着以最高准确率为优化目标,使用贝叶斯算法得到模型最优参数;最后在测试集上对模型准确率、精确率和调和均值F1进行验证。结果表明:提取得到的新特征有助于提高模型的预测精度,并且,与其他模型相比具有更高的预测精度,其准确率为0.831,精确率为0.858,调和均值为0.756。
关键词
恶劣天气
CatBoost
特征工程
电网设备故障
预测模型
Keywords
severe weather
CatBoost
feature engineering
grid equipment failure
prediction model
分类号
X934 [环境科学与工程—安全科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CatBoost的恶劣天气下电网设备故障预测模型
江上航
王国庆
朱建明
黄钧
《安全与环境工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
