基于机器学习的城市电梯困人故障原因预测方法研究

• 作者: 庆光蔚 刘肖凡
• 来源期刊: 物联网技术
• 学科: 工学
• 关键词: 电梯 故障预测 梯度提升树 机器学习 应急处置 CART 决策树
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 学术研究_智能处理与应用
• 页码范围: 55-58
• 页数: 3页
• 分类号: TP39,X951
• 语种: 中文
• DOI: 10.16667/j.issn.2095-1302.2022.10.015

摘要

为实现电梯困人故障的应急处置快速响应，缩短现场故障原因排查时间，促进排障模式由人工经验向数据支撑下的智能诊断转变，利用梯度提升树算法（GBDT）建立电梯故障原因预测模型。经过数据清洗和特征提取，以2015—2020年南京市累积电梯故障数据进行模型训练。与真实值对比后的预测结果表明，前三位故障原因实时预测准确率可达81%，评估指标优于同类型机器学习算法。GBDT模型预测性可适用于电梯困人故障数据稀疏、特征量不明显的预测问题。