典型文献
面向海量不平衡数据的轨道电路故障诊断方法
文献摘要：
为解决轨道电路故障诊断任务中监测数据类别不平衡导致诊断模型决策边界产生偏移,以及数据海量导致训练速度慢的问题,提出数据重采样与集成学习算法相结合的轨道电路故障诊断方法.首先,通过特征合成和数据重采样处理不平衡数据,重采样包括随机降采样和合成少数类过采样技术(SMOTE);然后,利用训练高效的轻量梯度提升机(LightGBM)算法构建面向海量监测数据的故障诊断模块,并设计训练及诊断流程,以网格搜索和交叉验证方法调整关键参数;最后,引入不易受数据不平衡影响的Macro-F1值作为故障诊断模型评价指标.结果表明:特征合成、数据重采样对不平衡数据下的各故障诊断模型的综合表现均有不同程度的提升,LightGBM相较于其他算法在综合表现和训练时间上都是最佳,可保障准确性和面对海量数据时的快速性.
文献关键词：
不平衡数据;轨道电路;故障诊断;集成学习;轻量梯度提升机(LightGBM)
中图分类号：
作者姓名：
邢玉龙;王剑;上官伟;彭聪;朱林富
作者机构：
北京交通大学电子信息工程学院,北京100044;北京交通大学轨道交通控制与安全国家重点实验室,北京100044;中国铁道科学研究院集团有限公司标准计量研究所,北京100081;中铁检验认证中心有限公司,北京100081
文献出处：
引用格式：
[1]邢玉龙;王剑;上官伟;彭聪;朱林富-.面向海量不平衡数据的轨道电路故障诊断方法)[J].中国安全科学学报,2022(05):112-118
A类：
B类：
向海,不平衡数据,轨道电路,电路故障诊断,故障诊断方法,数据类别,类别不平衡,模型决策,决策边界,训练速度,速度慢,数据重采样,集成学习算法,随机降采样,合成少数类过采样技术,SMOTE,轻量梯度提升机,LightGBM,建面,故障诊断模块,诊断流程,网格搜索,交叉验证,验证方法,数据不平衡,Macro,故障诊断模型,模型评价指标,综合表现,训练时间,海量数据,快速性
AB值：
0.313873
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。
