基于机器学习的输电线路舞动预测方法及预测系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于机器学习的输电线路舞动预测方法及预测系统
申请号:CN202411001171
申请日期:2024-07-25
公开号:CN118585822A
公开日期:2024-09-03
类型:发明专利
摘要
本发明公开了基于机器学习的输电线路舞动预测方法及系统,其中所述方法包括:采集与所述输电线路舞动相关数据;提取输电线路舞动特征;基于导线的结构信息以及所述历史舞动数据提取的相应第一输电线路舞动特征集合,采用梯度提升树算法和决策回归树算法构建输电线路舞动预测模型;基于导线的结构信息以及当前环境条件提取当前输电线路舞动特征;将所述当前输电线路舞动特征输入所述输电线路舞动预测模型;基于所述输电线路舞动预测模型输出结果。本发明将梯度提升树模型与决策树回归模型进行融合可以充分发挥两者的优势,提高预测性能、鲁棒性和特征表达能力,并且提供较好的解释性,适用于输电线路舞动预测等实际应用场景。
技术关键词
回归树算法 线路 决策树模型 预测系统 梯度提升树模型 数据 导线结构 特征提取模块 弱分类器 变量 回归算法 预测误差 输入模块 输出模块 风速
系统为您推荐了相关专利信息
协同规划方法 线路 储能 条件风险价值 节点
山区线路 故障行波 行波传感器 预警方法 巡检机器人
信号采集传感器 深度卷积神经网络模型 动作传感器 生理 预警方法
列车运行径路 车站 非暂态计算机可读存储介质 数据 高速铁路技术
巡检图像 多视角特征融合 无人机 注意力 语义特征提取