基于机器学习的城市电梯困人故障原因预测方法研究

为实现电梯困人故障的应急处置快速响应，缩短现场故障原因排查时间，促进排障模式由人工经验向数据支撑下的智能诊断转变，利用梯度提升树算法(GBDT)建立电梯故障原因预测模型。经过数据清洗和特征提取，以2015—2020年南京市累积电梯故障数据进行模型训练。与真实值对比后的预测结果表明，前三位故障原因实时预测准确率可达81%，评估指标优于同类型机器学习算法。GBDT模型预测性可适用于电梯困人故障数据稀疏、特征量不明显的预测问题。