论文摘要
针对目前在局部放电模式识别领域中常用的分类器算法的缺陷,本文研究随机森林(random forest,RF)算法在局部电放模式识别领域的应用。首先对局部放电试验数据提取统计特征量,构建放电的学习样本。利用十折法对算法分类性能进行评判,并比较常见分类算法BP神经网络、支持向量机(support vector machine,SVM))、KNN、分类回归树算法(classification and regression tree,CART)以及RF算法的识别准确率。结果表明:利用RF算法构建放电模式分类器的识别准确率最高。此外,利用组成RF的基分类算法CART可分析不同放电模式间的主要区别。
论文目录
文章来源
类型: 期刊论文
作者: 王仕俊,平常,薛国斌
关键词: 随机森林,算法,变压器,局部放电,模式识别
来源: 科技通报 2019年11期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 国网甘肃省电力公司经济技术研究院
基金: 山西省“十三五”科技重大专项(z20160500210),国网甘肃省电力公司科技项目(52272815001A)
分类号: TM855;TP18
DOI: 10.13774/j.cnki.kjtb.2019.11.026
页码: 135-138+142
总页数: 5
文件大小: 220K
下载量: 93
相关论文文献
- [1].基于迭代随机森林算法的糖尿病预测[J]. 长春工业大学学报 2019(06)
- [2].基于改进随机森林的城市河流水生态健康评价研究[J]. 海河水利 2019(06)
- [3].基于随机森林癫痫患者脑电数据的分析研究[J]. 中国数字医学 2020(01)
- [4].基于局部均值分解和迭代随机森林的脑电分类[J]. 吉林大学学报(信息科学版) 2020(01)
- [5].网贷平台数据的随机森林预测模型实证分析[J]. 宜宾学院学报 2019(12)
- [6].采用单类随机森林的异常检测方法及应用[J]. 西安交通大学学报 2020(02)
- [7].随机森林数据情感挖掘方法分析[J]. 通讯世界 2020(01)
- [8].运用最大熵模型和随机森林模型对东北红松分布的模拟[J]. 东北林业大学学报 2020(03)
- [9].基于随机森林算法的城区土地覆盖分类研究[J]. 河北省科学院学报 2020(01)
- [10].运用随机森林模型对北京市林分蓄积生长量的预测[J]. 东北林业大学学报 2020(05)
- [11].融合人工鱼群和随机森林算法的膝关节接触力预测[J]. 中国医学物理学杂志 2020(04)
- [12].结合特征选择和优化随机森林的无线网络数据丢失重建[J]. 上海电力大学学报 2020(03)
- [13].基于随机森林算法的耕地质量定级指标体系研究[J]. 华南农业大学学报 2020(04)
- [14].一种基于随机森林的组合分类算法设计与应用[J]. 电子设计工程 2020(16)
- [15].基于随机森林算法的日光温室内气温预测模型研究[J]. 中国农学通报 2020(25)
- [16].基于因子分析和迭代随机森林方法的学生成绩综合评价——以都匀市某高中为例[J]. 黔南民族师范学院学报 2020(04)
- [17].基于随机森林模拟的辽宁省降水量空间分布研究[J]. 陕西水利 2020(09)
- [18].随机森林模型在膝关节炎患者结构特征与症状定量分析中的应用(英文)[J]. 磁共振成像 2020(10)
- [19].基于特征选择的极限随机森林算法研究[J]. 计算机应用研究 2020(09)
- [20].随机森林回归分析方法在代谢组学批次效应移除中的应用[J]. 中国卫生统计 2020(05)
- [21].一种面向非均衡分类的随机森林算法[J]. 计算机与现代化 2018(12)
- [22].随机森林模型和决策树模型在肝硬化上消化道出血预后中的应用[J]. 中国卫生统计 2019(02)
- [23].基于随机森林的债券违约分析[J]. 当代经济 2018(03)
- [24].基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用 2018(10)
- [25].随机森林在城市不透水面提取中的应用研究[J]. 云南师范大学学报(自然科学版) 2017(03)
- [26].一种顺序响应的随机森林:变量预测和选择[J]. 小型微型计算机系统 2017(08)
- [27].基于随机森林回归的军械器材需求预测[J]. 自动化应用 2017(09)
- [28].流式大数据下随机森林方法及应用[J]. 西北工业大学学报 2015(06)
- [29].面向高维数据的随机森林算法优化探讨[J]. 商 2016(04)
- [30].深度随机森林在离网预测中的应用[J]. 计算机科学 2016(06)