基于KNE-BPNN的电务设备故障预测

• 作者: 乔帅 李俊红 李川子 李晨光 杨晓杰 解伟凡
• 来源期刊: 计算机应用研究
• 关键词: BP神经网络 邻域粗糙集 近似条件熵 属性约简 故障预测 K-均值聚类算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2712-2717
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.03.0201

摘要

针对铁路电务设备故障频发、运行效率低且无有效故障预测方法等现实问题,提出一种基于K-均值—邻域近似条件熵与BP神经网络(KNE-BPNN)的电务设备故障预测模型.首先,采用基于K-均值聚类的样例约简算法约简设备故障决策表中的冗余样例;其次,运用邻域近似条件熵属性约简方法对样例约简后故障决策表中的非必要属性进行约简;最后,使用经过样例和属性约简后的样本集训练BP神经网络并进行模型预测,直到模型输出结果满足预设条件为止.实验结果表明KNE-BPNN故障预测模型的预测精度和泛化性能均满足电务设备管理的实际需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊红	河北师范大学数学与信息科学学院	17	88	5.0	9.0
2	李晨光	河北师范大学数学与信息科学学院	1	1	1.0	1.0
3	乔帅	河北师范大学数学与信息科学学院	1	1	1.0	1.0
4	杨晓杰	河北师范大学数学与信息科学学院	1	1	1.0	1.0
5	解伟凡	东南大学信息科学与工程学院	1	1	1.0	1.0
6	李川子	河北师范大学数学与信息科学学院	1	1	1.0	1.0