文档名：基于LightGBM的船用柴油机监测数据预测分析
船用柴油机监测数据具有样本数据多、特征呈非线性等特点,使得状态预测比较困难.为提高船舶运行可靠性和数据预测的实时性,利用某船用柴油机实际运行数据,提出一种基于LightGBM机器学习算法的柴油机运行状态预测模型,利用箱线图剔除噪声点降低信息损失.预测结果表明,算法模型对两种不同特征参数均保证较高准确率,且构建迅速,具有高可用性和高实时性.
作者：周治国 李怡瑶 屈崇 贾书丽
作者单位：北京理工大学信息与电子学院,北京100081北京理工大学信息与电子学院,北京100081;中国船舶重工集团公司第七一一研究所,上海201108中国船舶重工集团公司第七一一研究所,上海201108
母体文献：第十四届全国信号和智能信息处理与应用学术会议论文集
会议名称：第十四届全国信号和智能信息处理与应用学术会议
会议时间：2021年4月11日
会议地点：北京
主办单位：中国高科技产业化研究会
语种：chi
分类号：
关键词：船用柴油机 状态预测 监测数据 机器学习
在线出版日期：2021年6月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 6.21 MB
- 下载次数:
- 60
-
高速下载
|
|
