基于SMOTE与LSTM的核电厂小样本不平衡故障诊断

• 作者: 黄学颖 刘永阔 单龙飞
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 核电厂 小样本 样本不平衡 过采样 合成少数类过采样技术 特征提取 长短期记忆 故障诊断
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 核科学技术与应用
• 页码范围: 94-98
• 页数: 5页
• 分类号: TH113.1
• 语种: 中文
• DOI: 10.11991/yykj.202110003

摘要

由于小样本不平衡数据的存在,对核电厂故障诊断准确率造成极大的影响,针对核电厂小样本不平衡的问题,文中提出一种合成少数类过采样技术(SMOTE)与长短期记忆(LSTM)深度神经网络相结合的算法进行核电厂小样本不平衡故障诊断,实验结果表明采用该方法进行故障诊断具有很高的诊断准确率.