摘要
辅助逆变器的状态直接影响地铁安全运行和乘坐舒适度,为确保地铁运行过程中辅助逆变器能正常工作,文章提出基于机器学习的方法对辅助逆变器温度进行预测,判断辅助逆变器的温度是否存在异常.首先分析原始数据并提取相关特征;其次基于多元线性回归算法、随机森林和K近邻回归模型,建立辅助逆变器温度预测模型,并进行模型训练;最后采用K折交叉验证得出该模型在测试集上的平均绝对误差(MAE)、均方误差(MSE)和R-Squared指标,用以评价模型的拟合效果.试验结果表明:基于多元线性回归和随机森林建立的两个模型在此应用场景下表现较好,两种模型的置信度均在93％左右.
NETL
NSTL
万方数据