歡迎引用
[1]潘亞康.基于機器學習的鐵路道岔故障自動診斷方法[J].自動化與儀器儀表,2023,No.280(02):16-20.DOI:10.14016/j.cnki.1001-9227.2023.02.016.
作者：潘亞康
( 中鐵第一勘察設計院集團有限公司蘭州鐵道設計院 )
摘 要 :為了提高鐵路道岔故障診斷的準確性 ,提出一種基于機器學習的鐵路道岔故障自動診斷的模型 。首先 采用深度森林算法作為基礎算法 ,構建故障診斷模型 。為了證明深度森林算法在道岔故障診斷方面更具優勢 ,與 SVM 和 BP 神經網絡兩種經典算法模型進行對比 ,結果表明 :深度森林算法模型的道岔故障診斷的準確率高達 97% , 基于 SVM 與 BP 神經網絡模型的準確率分別為 93%與 92%;在交叉測試中深度森林算法模型的 AUC 面積達到 0. 981,在多分類測試中 AUC 面積為 0. 974。可以證明 ,基于深度森林算法構建的故障診斷模型診斷有較高的準確性與 優越性。
關鍵詞 :道岔故障診斷 ;深度森林算法;機器學習;小數據集
（來源： 自動化與儀器儀表 2023年第2期）
關注我的你，是最香噠！
