一种基于机理模型的随机森林训练方法技术

本发明专利技术公开了一种基于机理模型的随机森林训练方法，涉及机器学习技术领域。该方法包括：根据机理模型配置的数据项目得到原始样本集，并基于原始样本集生成训练集；对训练集进行特征提取并生成特征空间；从特征空间中选择特征构成特征集；根据特征集生成多个相互独立的决策树；对每个决策树进行模型组合生成决策树模型，对决策树模型进行分类与回归；从原始样本集中选择样本数据构成验证集；利用验证集对决策树模型进行验证并获取模型数据；通过模型数据自动调整机理模型的配置参数。本发明专利技术通过随机森林训练算法提升了工业设备预测机理模型的准确率和模型训练的效率；通过随机森林算法加快机理模型的训练速度，降低企业的非计划性停机。

【技术实现步骤摘要】

本专利技术属于机器学习，尤其涉及一种基于机理模型的随机森林训练方法。

技术介绍

1、工业互联网最底层为设备，设备预测性维护保养需要大量的机理模型来预判设备运行的风险，在故障发生之前，通过各种数据指标进行预测，避免设备非计划性停机，通过机理模型的预测，从而实现用小维护替代停机检修，避免设备故障导致生产被迫停止。

2、由于机理模型建立在设备大量传感器基础上，数据多、数据大，且设备种类繁多的情况，每个机理模型发布后，均需不断地训练才能达到最佳效果，实现最终的设备预测性维护保养，降低企业设备运维成本。

3、机理模型是通过采集大量工业设备运行数据、传感器形成的预测性模型，此模型支持单项指标、组合指标。每个指标的权重、阈值均有所不同，为了更加准确地预判设备发生故障的风险，整个机理模型需要将设备大量的数据进行标注、数据治理、预处理等相关操作，最后形成完全的训练数据库，同时，利用设备的不断运行、验证来提升模型预测的准确性。

4、目前市场上机理模型的训练方法采用的是最为传统的数据趋势分析法，通过监测和分析一段时间的数据趋势，依靠人工去分析本文档来自技高网...

【技术保护点】

1.一种基于机理模型的随机森林训练方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于机理模型的随机森林训练方法，其特征在于：所述原始样本集的抽取共进行k轮，则每一轮抽取的训练集分别为T1,T2,…,Tk。

3.根据权利要求1所述的一种基于机理模型的随机森林训练方法，其特征在于：所述特征空间内包含D个特征，则在每一轮生成决策树的过程中，从D个特征中随机选择d个特征组成一个新的特征集；其中，d<D。

4.根据权利要求3所述的一种基于机理模型的随机森林训练方法，其特征在于：相互独立的决策树共有k个；k个决策树在训练集的选择和特征的选择上...

【技术特征摘要】

1.一种基于机理模型的随机森林训练方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于机理模型的随机森林训练方法，其特征在于：所述原始样本集的抽取共进行k轮，则每一轮抽取的训练集分别为t1,t2,…,tk。

3.根据权利要求1所述的一种基于机理模型的随机森林训练方法，其特征在于：所述特征空间内包含d个特征，则在每一轮生成决策树的过程中，从d个特征中随机选择d个特征组成一个新的特征集；其中，d<d。

4.根据权利要求3所述的一种基于机理模型的随机森林训练方法，其特征在于：相互独立的决策树共有k个；k个决策树在训练集的选择和特征的选择上均为随机选择。

5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：肖波，张茂森，梁卓山，黄秋明，邓丹儿，
申请(专利权)人：广东知业科技有限公司，
类型：发明
国别省市：