排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
针对采煤机状态监测参数存在冗余性和数据类别不平衡等问题,在选取采煤机状态指标数据的基础上引入XGBoost集成学习算法对采煤机健康状态进行评估。首先,选择综合相关系数,即Spearman相关系数和Person相关系数进行综合用于表征采煤机状态数据变量间的相关关系,通过计算状态参数间的相关系数筛选出采煤机健康状态评估指标;根据专家经验对采煤机状态量进行等级划分,建立训练样本。整个样本采用XGBoost集成学习算法训练,通过交叉验证法选择合适参数,建立最优模型。最后,根据采煤机实例数据集进行模型验证和分析。实验结果表明:基于XGBoost的采煤机健康状态评估方法平均准确率可达98.50%,能有效解决数据集的不平衡问题和状态评估难题。 相似文献
2.
3.
1