基于机器学习的列车设备故障预测模型研究

• 作者: 杨学锋 潘兆马 王珣 袁焦 邹文露
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 高速铁路 流数据 车载设备 CVFDT算法
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 49-54
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.12.009

摘要

决策树作为机器学习和数据挖掘领域中广泛应用的预测模型,其输出结果易于理解和解释.针对高速铁路车载智能设备数量庞大的流数据且设备故障复杂和诊断效率低等问题,采用CVFDT决策树算法,通过对规范化的列控设备流数据进行机器学习,构建车载设备智能故障预测模型(低概率发生、高概率发生和已发生故障),实现对设备潜在故障"事前排除",提高故障分类精度、定位和诊断准确性,保障高速铁路运营安全和运输效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王珣		14	27	3.0	4.0
2	袁焦		5	4	1.0	2.0
3	潘兆马		3	4	1.0	2.0
4	杨学锋		2	3	1.0	1.0
5	邹文露		2	0	0.0	0.0