申请/专利权人：成都卡普数据服务有限责任公司

申请日：2020-04-08

公开（公告）日：2024-02-02

公开（公告）号：CN111489025B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0637;G06Q50/06;G06N20/10;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.02.02#授权;2020.08.28#实质审查的生效;2020.08.04#公开

摘要：本发明属于策略选择技术领域，具体涉及一种类别失衡的架空输电线路覆冰预测方法。本发明是基于现有的分类或预测方法基础上提出类别失衡或样本失衡的解决方法，主要步骤为根据收集的数据量是否大于10万，然后分别进行类别失衡的判断，在数据量大于10万并且类别失衡时采用bagging算法构建模型进行预测，在数据量不大于10万并且类别失衡时通过权重模型对权重进行调整，然后再进行预测。本发明的方法结合覆冰数据的特点，建立一套针对类别或样本失衡的分类或预测方法，从策略机制和模型本身来解决覆冰类别失衡。本发明的覆冰预测模型，更贴合覆冰业务本身，更具有科学性和应用性。

主权项：1.一种类别失衡的架空输电线路覆冰预测方法，其特征在于，包括以下步骤：S1、数据收集：收集和覆冰形成的机理有关的数据，包括高程数据、坡度和坡向数据、温度、湿度、降雨量、风速、风向、风力等级、日期；S2、判断步骤S1收集的数据量是否大于10万，若是，则进入步骤S3，否则进入步骤S4；S3、基于架空输电线路覆冰中正样本和负样本之间是否相差5倍的数量级来进行类别失衡的判断，若相差5倍，则判定类别失衡，将数据输入bagging模式模型，否则采用机器学习的方法来获得预测结果；所述bagging模式模型为：将输入的数据集进行分割，获得N个子集，针对每个子集构建一个训练模型，即构建N个训练模型，每个子集经过对应的训练模型后，获得N个训练模型的结果，采用bagging算法对N个模型结果进行集成，获得预测结果；S4、基于架空输电线路覆冰中正样本和负样本之间是否相差5倍的数量级来进行类别失衡的判断，若相差5倍，则判定类别失衡，将数据输入权重模型，否则采用机器学习的方法获得预测结果；所述权重模型为：在目标函数训练时取的权重不同，定义目标函数为 其中k为类别变量，w为权重，L为loss函数，yk为观测样本中的目标变量，fxk为基础模型的输出结果，所述基础模型包括逻辑回归、支持向量机、决策树、boosting集成学习分类方法；权重w的计算公式为： 其中，n为样本数量，mclass为class对应的样本数量，class取值为目标变量的类别；根据获得的权重w进行训练后，利用训练好的模型获得预测结果。

全文数据：

权利要求：

百度查询： 成都卡普数据服务有限责任公司 一种类别失衡的架空输电线路覆冰预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD