[發明專利]一種基于LightGBM融合模型的設備溫度監測方法在審
| 申請號： | 202011237252.8 | 申請日： | 2020-11-09 |
| 公開（公告）號： | CN112418010A | 公開（公告）日： | 2021-02-26 |
| 發明（設計）人： | 宮大為;黎典;葉小龍;何志恒;李曉寧 | 申請（專利權）人： | 電子科技大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G01K13/00;G06N20/00 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 611731 四川省成*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 lightgbm 融合 模型 設備 溫度 監測 方法 | ||
1.一種基于LightGBM融合模型的設備溫度監測方法，其特征在于，所述方法包括以下步驟：
(1)分別采集溫度超出正常范圍和正常的設備的基本性能指標，進行數據預處理并提取出主要特征，并根據專家經驗對溫度超出正常范圍設備標記為必須處理和臨界區，得到三種類別的標簽；
(2)基于LightGBM模型，將提取的特征和對應類別標簽分別訓練一個二分類模型和一個三分類模型；
(3)對兩個模型進行融合，并利用融合模型對設備進行預測，根據設備異常程度進行排序得到結果。
2.根據權利要求1所述的一種基于LightGBM融合模型的設備溫度監測方法，其特征在于，所述的步驟(1)特征提取的具體方法為：
(11)分別采集設備溫度異常時間、設備類別、曾經異常的次數、異常工作性能指標數、異常點坐標x，異常點坐標y，異常點坐標z這七類特征，清洗原始采集的數據，消除噪聲；
(12)對正常設備的異常點(x，y，z)坐標置為(x0，y0，z0)；
(13)分別將溫度異常時間和異常工作性能指標數、設備類別和曾經異常次數捆綁，形成兩個新特征。
3.根據權利要求1所述的一種基于LightGBM融合模型的設備溫度監測方法，其特征在于，所述的步驟(2)模型訓練的具體方法為：
(21)訓練的二分類模型主要分為不需要處理和必須要處理的設備，不需要處理設備包含的標簽對象為正常和臨界區，監測時對每個設備進行預測，得到不需要處理和需要處理的概率值ps1和ps2；
(22)訓練的三分類模型的標簽主要分為正常、臨界區、必須處理，監測時分別對每個設備進行預測，得到每個設備對應的概率值pt1，pt2和pt3。
4.根據權利要求1所述的一種基于LightGBM融合模型的設備溫度監測方法，其特征在于，所述的步驟(3)模型融合的具體方法為：
(31)對二分類模型兩種預測結果分別給一個權值，兩種情況分別對應為s1和s2，三分類模型的三種預測結果也分別獲得對應權值t1，t2和t3；
(32)根據預測結果的概率值和權值得到設備異常程度score，具體公式如下：
score＝ps1*s1+ps2*s2+pt1*t1+pt2*t2+pt3*t3
最后根據異常程度進行排序。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于電子科技大學，未經電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011237252.8/1.html，轉載請聲明來源鉆瓜專利網。
