[发明专利]一种预测开关机构运转趋势的方法

权利要求书

1.一种预测开关机构运转趋势的方法，包括以下步骤：步骤一，统计收集；步骤二，数据分类；步骤三，数据预处理；步骤四，数据切分；步骤五，模型选择；步骤六，模型训练；步骤七，模型评估；步骤八，模型调优；步骤九，趋势预测；其特征在于：

其中在上述步骤一中，首先根据预测需要统计收集不同机构类型、不同厂站、不同厂家、不同气象情况下以及一天24小时不同时刻出现信号的次数，并且以每个设备每天一条记录的方式生成数据，每条数据为一个样本，信号一天出现多次时，作次数加总，随后利用pandas的方法读取数据，形成数据集；

其中在上述步骤二中，根据信号在样本中发生频率，将步骤一中读取的数据集按照一定规则分为三类，将分类1的数据留下，分类2与分类3的数据弃之不用；

其中在上述步骤三中，将步骤二中分类留下的数据集利用特征降维、特征空值处理、特征转换和特征归一化等方法进行处理和修正；

其中在上述步骤四中，随后将步骤三中修正处理后的数据集按照70%数据集进行模型训练，30%数据进行模型测试的比例进行划分；

其中在上述步骤五中，由于模型在步骤二中得到的分类1的基础上进行预测，属于回归问题，依次使用机器学习算法中回归模型依次进行测试，依次输出在默认参数下模型预测准确率，选取效果好的模型作为训练模型；

其中在上述步骤六中，将步骤四中划分好的70%的数据集带入到步骤五中的训练模型中进行训练，首先训练FC层，迭代5-7个epoch后保存模型，随后训练整个网络，完成40-60个epoch，直至得到稳定结果为止；

其中在上述步骤七中，将步骤四中30%的测试数据集迭代到步骤六中训练完成的模型中，通过真实数据和预测数据进行对比，来判定模型的好坏，并且将结果记录到表格中，得到模型预测的准确性；

其中在上述步骤八中，根据步骤七中的评价结果利用网格搜索调优算法，将需要调节的参数传入，参数取值范围尽量够大，得到最好的一组模型训练参数，从而得到最优模型；

其中在上述步骤九中，得到步骤八中得到的最优模型，随后通过封装最优模型的服务接口，实现模型的调用，随后上线模型对未来一段时间开关机构频繁运转信号的可能性从完全相等和逻辑相等两方面进行预测。

2.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤一中，机构类型分为气动、液簧、夜压，统计各个机构类型出现信号次数，选取信号总数排名前30的厂站，选取信号总数排名前30的厂家，气象分析包括当天相对湿度最小值对信号的统计分析、当天与昨天温度最大值之差对信号的统计分析，一天24小时对信号统计分析为统计一天24小时每个时刻开关发生信号的次数。

3.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤二中，数据分类的标准为：分类1：产生信号次数多的情况，前一天至前三天信号平均次数xh_num_avg3≧1；分类2：属于突变情况，当天信号次数≧昨天信号次数，不含分类1；分类3：属于不变情况。

4.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤五中，回归模型为线性回归、拉索、决策树和Xgboost其中一种。

5.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤六中，epoch为训练周期，将所有样本数据一次迭代到模型中为一个epoch。

6.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤七中，模型评估的主要方法为混淆矩阵、提升图洛伦兹图、基尼系数、ks曲线和roc曲线其中两种或者多种方法组合使用。

7.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤七中，模型好坏的评价可以从准确率、召回率和调和平均数三个方面进行评判。

8.根据权利要求1所述的一种预测开关机构运转趋势的方法，其特征在于：所述步骤九中，且完全相等指的是四舍五入或者向上取整的预测值与真实值相等，结果为True,否则为False，逻辑相等的定义是真实值如果大于0且四舍五入或者向上取整的预测值也大于0，结果为True；真实值如果小于等于0时，四舍五入或者向上取整的预测值也小于等于0，结果为True；其他情况均为False。