摘要
本发明属于集装箱维修分析和展示领域技术领域,提出一种集装箱易损部件识别与3D展示方法和系统,通过随机森林模型,从收集到的历史维修数据包括的各因子字段中选择出重要性较高的关键因子字段,有助于准确识别易损部件。通过分析部件与损坏原因的关联关系,根据关联关系和关联规则,生成关联特征,基于关联特征、关键因子字段和目标集装箱的当前静态特征,通过损坏预测模型提前准确地对长时间未维修过的目标集装箱中的部件进行损坏风险预测,以准确识别易损部件。通过可视化展示目标集装箱的3D模型和易损部件,以更加清晰、直观和生动向用户展示集装箱结构、易损部件,且提高用户对集装箱结构和易损部件认知的全面性,提高维修决策的准确性。
技术关键词
历史维修数据
线性回归模型
随机森林模型
子模块
展示方法
因子
字段
展示系统
特征选择
大数据分析算法
关系
数据分析模块
静态特征
展示集装箱
集装箱维修
风险
界面可视化
频率
系统为您推荐了相关专利信息
深度语义分析
构建用户画像
文本
大数据
随机森林模型
融合特征
视频片段检索方法
分支
音频特征
多层感知机
子模块
电池管理芯片
电池管理系统架构
场效应晶体管驱动控制
前端模块