摘 要: | 近年来,随着大数据和人工智能技术的不断发展,基于日志数据的智能故障预测方法逐渐受到关注。传统的基于日志数据的故障预测方法仅关注单一的需求属性,难以面向多维度预测需求进行适配调整。针对该问题,提出一种多渠道融合的智能故障预测模型Multi-Det,该模型采用机器学习和深度学习相融合的调度方式。通过特征提取和数据融合,面向用户不同属性需求进行系统模型适配,优化特定场景下的故障预测准确性和可靠性。为了验证Multi-Det的有效性,在公开数据集下对多个场景下的需求参数进行了实验对比,结果表明该方法能够有效适配不同故障预测需求,在特定场景下智能调整预测策略,为专业领域设备的维护和管理提供有力支持。
|