典型文献
基于Apriori和C5.0算法的智能电表故障预测
文献摘要：
针对智能电表故障状态的预测问题,提出了一种基于Apriori算法和C5.0算法建立智能电表故障识别模型,实现智能电表故障的预测.首先,对智能电表历史故障数据库进行数据挖掘预处理,并采用Apriori算法进行强关联因素深度挖掘.然后,将强关联因素组成的数据集合分为训练数据集和测试数据集两部分,采用C5.0算法对训练数据集进行数据挖掘,生成智能电表故障初步预测规则.接着,根据测试集的数据对初步预测规则的正确性进行评估:如果准确度满足要求,确定预测规则;如果不满足,则返回训练集.最后,根据获得的预测规则建立智能电表故障状态预测模型进行智能电表故障预测.算例分析结果证明,智能电表故障状态预测模型具有较高的精度,可获得极为准确的故障状态预测结果.
文献关键词：
智能电表;数据分析;故障预测;关联规则挖掘;决策树算法;C5. 0;Apriori;数据集
中图分类号：
作者姓名：
文耀宽;侯慧娟;王雍
作者机构：
国网河南省电力公司营销服务中心,河南 郑州 450007
文献出处：
引用格式：
[1]文耀宽;侯慧娟;王雍-.基于Apriori和C5.0算法的智能电表故障预测)[J].自动化仪表,2022(05):90-94,101
A类：
B类：
Apriori,C5,智能电表,电表故障,故障预测,故障状态,故障识别,识别模型,故障数据库,挖掘预处理,关联因素,深度挖掘,数据集合,训练数据集,测试数据,预测规则,测试集,满足要求,返回,训练集,状态预测,算例分析,关联规则挖掘,决策树算法
AB值：
0.235829
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
