基于梯度提升決策樹(shù)的火電廠汽輪機(jī)故障檢測(cè)研究_第1頁(yè)
基于梯度提升決策樹(shù)的火電廠汽輪機(jī)故障檢測(cè)研究_第2頁(yè)
基于梯度提升決策樹(shù)的火電廠汽輪機(jī)故障檢測(cè)研究_第3頁(yè)
基于梯度提升決策樹(shù)的火電廠汽輪機(jī)故障檢測(cè)研究_第4頁(yè)
基于梯度提升決策樹(shù)的火電廠汽輪機(jī)故障檢測(cè)研究_第5頁(yè)
已閱讀5頁(yè)，還剩18頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

其安全穩(wěn)定運(yùn)行對(duì)于保證電力生產(chǎn)的可靠性和經(jīng)濟(jì)性具有重要意義。1.2梯度提升決策樹(shù)在故障檢測(cè)中的應(yīng)用前景法具有重要意義，梯度提升決策樹(shù)(GradientBo2.相關(guān)技術(shù)和理論基礎(chǔ)障檢測(cè)領(lǐng)域。本研究基于梯度提升決策樹(shù)(Gradient梯度提升決策樹(shù)(GradientBoostingDecision則化技術(shù)，如L1正則化(Lasso)和L2正則化(Ridge)。這兩種正則化2.2機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘技術(shù)2.3信號(hào)處理與特征提取方法3.數(shù)據(jù)集描述與預(yù)處理練效果。我們采用了MinMaxScaler對(duì)數(shù)據(jù)集進(jìn)行歸一化處理，使得各個(gè)特征在0到1之間分布。我們會(huì)將7080的數(shù)據(jù)作為訓(xùn)練集，用于訓(xùn)練模型；剩余的2030的數(shù)3.1數(shù)據(jù)集來(lái)源與采集方式3.2數(shù)據(jù)集劃分與特征選擇4.1模型構(gòu)建與參數(shù)設(shè)置4.2模型訓(xùn)練與驗(yàn)證4.3模型性能評(píng)估與分析我們計(jì)算了模型在測(cè)試集上的準(zhǔn)確率、召回率和F1分?jǐn)?shù)。準(zhǔn)確調(diào)和平均值。通過(guò)對(duì)比不同閾值下的準(zhǔn)確率、召回率和F1分?jǐn)?shù)，我我們還對(duì)比了其他機(jī)器學(xué)習(xí)算法(如支持向量機(jī)、隨機(jī)森林等)5.實(shí)驗(yàn)結(jié)果與討論在訓(xùn)練集上，模型的準(zhǔn)確率達(dá)到了90,這表明模型具有良好的分5.1實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集介紹5.2實(shí)驗(yàn)結(jié)果展示與分析5.3結(jié)果討論與應(yīng)用前景展望6.1主要工作總結(jié)6.2研究不足與改進(jìn)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論