聚类支持下决策树模型在动车组空调故障检测中的应用

随着高铁的快速发展,人们对乘车环境的要求也越来越高。列车空调系统运行于列车高速振动环境下,性能极易下降且定期检修成本巨大,高效准确的空调故障检测尤为重要。本文用K-means聚类对空调数据进行分类,找到明显异常的类别并与业务部门确认后找到真正的空调系统故障数据,并对故障数据进行标记,利用CART决策树建立空调故障检测模型。