典型文献
基于随机森林算法的WANO机组能力因子分类
文献摘要：
针对核电厂机组能力因子分类研究缺少相对简单有效的方法,基于第一至第八次《中华人民共和国核安全公约国家报告》中世界核电营运者协会(WANO)性能指标的数据,提出一种随机森林模型(random forest,RF)的机组能力因子分类方法,通过估算随机森林模型决策树的棵树、内部节点再划分所需要的最小样本数等,构建最优的随机森林分类模型,成功实现对能力因子的快速和精细分类,为第九次国家报告中定性掌握我国核电机组发电状况及行业内机组所处状况提供依据;同时,选用解决二分类的Logistic回归作对比试验,试验结果表明RF分类算法的总体精度达到77.27％,Kappa系数为0.705 3,达到高度一致性检验标准区间,明显高于Logistic回归的51.14％和0.1101,RF表现出分类效果好、准确率高和性能稳定等优点,能够有效提高机组能力因子分类的准确度.
文献关键词：
随机森林;Logistic回归;机组能力因子;WANO
中图分类号：
作者姓名：
朱伟;侯秦脉;吴彦农;张泽宇;王娅琦;胡江
作者机构：
生态环境部核与辐射安全中心,北京 100082;中核战略规划研究总院有限公司,北京 100048;建信金融租赁有限公司,北京 100031
文献出处：
引用格式：
[1]朱伟;侯秦脉;吴彦农;张泽宇;王娅琦;胡江-.基于随机森林算法的WANO机组能力因子分类)[J].科技管理研究,2022(21):226-230
A类：
机组能力因子,公约国,模型决策树
B类：
随机森林算法,WANO,核电厂,电厂机,分类研究,第八次,核安全,中世,营运,随机森林模型,random,forest,RF,分类方法,分所,小样本,随机森林分类,分类模型,精细分类,第九次,核电机组,二分类,分类算法,总体精度,Kappa,高度一致,一致性检验,检验标准,分类效果
AB值：
0.307221
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。
