典型文献
基于MML-IGMA模型的燃气涡轮流量计异常表征识别
文献摘要：
燃气涡轮流量计在工况运行中,异常表征数据较少且部分异常表征与用户用气行为表征高度相似,使得燃气涡轮流量计的异常表征识别难度大.为此,本文提出一种结合机理分析与机器学习的燃气涡轮流量计异常表征识别模型MML-IGMA(Mechanism and Machine Learning to Identify Gas Meter Abnormity,结合机理分析与机器学习的燃气涡轮流量计异常识别).该模型基于燃气涡轮流量计运行机理,定义异常表征空间并利用基于密度的聚类算法标签化异常表征空间内的可识别异常,再采用梯度提升机分类算法识别异常表征空间内的标签化样本.实验结果表明,在某陶瓷工业燃气用户一年工况历史数据上,MML-IGMA模型可以有效标签化异常表征并进行识别,识别精度可达97％.
文献关键词：
计算机决策支持;异常识别;聚类算法;梯度提升机
中图分类号：
作者姓名：
陈乐;廖佳音;朱喜楠;王超群;寿纪斌
作者机构：
上海航天能源股份有限公司;上海航天技术研究院
文献出处：
引用格式：
[1]陈乐;廖佳音;朱喜楠;王超群;寿纪斌-.基于MML-IGMA模型的燃气涡轮流量计异常表征识别)[J].城市燃气,2022(05):14-21
A类：
IGMA,Abnormity
B类：
MML,燃气涡轮,涡轮流量计,户用,行为表征,结合机理,机理分析,识别模型,Mechanism,Machine,Learning,Identify,Gas,Meter,异常识别,运行机理,表征空间,基于密度的聚类算法,标签化,梯度提升机,分类算法,算法识别,陶瓷工业,工业燃气,历史数据,效标,识别精度,计算机决策支持
AB值：
0.262834
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。
