摘要
本申请提供一种基于梯度提升树的冰箱故障预测方法,步骤包括数据采集、缺失值处理及异常值去除预处理;并进行特征编码、温差特征计算及高维变换特征提取,得到数据特征;对数据特征进行时间窗口展平操作,和对抗性特征选择及递归特征消除,筛选出最优特征子集;使用最优特征子集训练xgboost梯度提升树模型,且准确率符合预设值时输出为故障预测模型;最后通过所述故障预测模型来判断冰箱是否出现故障。本申请实现了对冰箱运行状态的全面监控与故障预测。通过提高数据质量,增强模型性能,提高了模型的预测准确性和泛化能力;并实现了实时预测,能够及时发现冰箱的潜在故障;还通过动态调整故障阈值,提高了预测的准确性和适应性。
技术关键词
梯度提升树模型
冰箱故障
故障预测模型
滑动时间窗口
移动平均算法
特征选择
冰箱运行状态
对抗性
实时监测数据
数值
压缩机转速
大数据平台
温差
编码
风机转速
动态
指数