基于红外光谱和深度神经网络的变压器油酸值预测方法

基于红外光谱和深度神经网络的变压器油酸值预测方法，涉及变压器油酸值检测技术领域。解决变压器油红外光谱数据中夹杂着的高频噪音信息导致预测模型出现过拟合、泛化能力弱的不足的问题。包括以下步骤：S1利用红外光谱仪器采集变压器油红外光谱数据；S2利用小波包分解WPD对变压器油红外光谱数据进行降噪预处理，降低高频噪声；S3通过BOSS算法对经过步骤S2处理的变压器油红外光谱数据进行特征提取，降低红外光谱的维数；S4将经步骤S3处理的变压器油红外光谱数据作为输入，采用深度神经网络DNN进行建模预测。本发明能够降低光谱信息中噪音的影响，降低光谱数据的维度，提高模型的预测精度。