计算机应用研究

作者：李晨光,乔帅,杨晓杰,解伟凡,李川子,李俊红,

单位：1.河北师范大学数学与信息科学学院,石家庄050024；2.东南大学信息科学与工程学院,南京211189；

关键词：BP神经网络,邻域粗糙集,近似条件熵,属性约简,故障预测,K-均值聚类算法,

基金：国家自然科学基金资助项目(61573127,61502144)；河北省科技厅重点研发计划资助项目(16455702D)；河北师范大学基金资助项目(L2017B09,S2016Y13)；；

针对铁路电务设备故障频发、运行效率低且无有效故障预测方法等现实问题，提出一种基于K-均值—邻域近似条件熵与BP神经网络（KNE-BPNN）的电务设备故障预测模型。首先，采用基于K-均值聚类的样例约简算法约简设备故障决策表中的冗余样例；其次，运用邻域近似条件熵属性约简方法对样例约简后故障决策表中的非必要属性进行约简；最后，使用经过样例和属性约简后的样本集训练BP神经网络并进行模型预测，直到模型输出结果满足预设条件为止。实验结果表明KNE-BPNN故障预测模型的预测精度和泛化性能均满足电务设备管理的实际需求。

来源：2019年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第9期