[发明专利]一种市政设施故障预测方法及装置

说明书

本发明公开了一种市政设施故障预测方法及装置，该方法包括获取实时采集的市政设施的多个状态分类特征的数据，进行预处理，确定所述多个状态分类特征是否满足条件独立性假设和/或权重相等假设，若否，则依据所述多个状态分类特征通过所述皮尔斯相关系数和/或熵值法对预设的朴素贝叶斯分类器进行优化后，将预处理后的数据输入到优化的朴素贝叶斯分类器中，得到市政设施的故障预测概率，根据市政设施的故障预测概率在所有市政设施故障预测概率中的排序，确定市政设施的故障预测。可以解决目前市政设施维护的效率低、成本高，更多依靠市民主动报修与人工巡检，无法及时匹配需求的问题。

技术领域

本发明实施例涉及故障预测技术领域，尤其涉及一种市政设施故障预测方法及装置。

背景技术

近年来，随着我国城镇化的迅速发展，随之而来的是城市市政设施使用人次日趋增多，相应的设备故障与维护要求频繁发生，制约并阻碍了城市的进一步发展。很多时候，单纯意义上的加大设施维护投入或增派人手很容易造成需求和供给端的不平衡，即在人流高峰期配置的资源很可能会在其他时段闲置造成浪费。因此如何从根本上提高现有的市政设施维护效率，是解决问题的关键所在。

发明内容

本发明实施例提供一种市政设施故障预测方法及装置，用以解决目前市政设施维护的效率低、成本高，更多依靠市民主动报修与人工巡检，无法及时匹配需求的问题。

第一方面，本发明实施例提供一种市政设施故障预测方法，包括：

获取实时采集的市政设施的多个状态分类特征的数据；

对所述市政设施的多个状态分类特征的数据进行预处理；

确定所述多个状态分类特征是否满足条件独立性假设和/或权重相等假设，若否，则依据所述多个状态分类特征通过所述皮尔斯相关系数和/或熵值法对预设的朴素贝叶斯分类器进行优化后，将预处理后的所述市政设施的多个状态分类特征的数据输入到优化的朴素贝叶斯分类器中，得到所述市政设施的故障预测概率；所述预设的朴素贝叶斯分类器是根据市政设施的历史数据进行训练学习得到的；

根据所述市政设施的故障预测概率在所有市政设施故障预测概率中的排序，确定所述市政设施的故障预测。

上述技术方案中，依据实时采集的市政设施的多个状态分类特征的数据，将数据进行预处理后输入至训练学习好的预设的朴素贝叶斯分类器中得到故障预测概率，然后在根据在所有市政设施故障预测概率中的排序得到市政设施的故障预测，可以解决目前市政设施维护的效率低、成本高，更多依靠市民主动报修与人工巡检，无法及时匹配需求的问题。

可选的，所述对所述市政设施的多个状态分类特征的数据进行预处理，包括：

对所述市政设施的多个状态分类特征的数据进行数据清洗和归一化处理。

可选的，所述依据所述多个状态分类特征通过所述皮尔斯相关系数和/或熵值法对预设的朴素贝叶斯分类器进行优化，包括：

通过皮尔斯相关系数确定所述多个状态分类特征之间的相关性，根据所述多个状态分类特征之间的相关性，对所述预设的朴素贝叶斯分类器中的多个状态分类特征进行拆分和联合；和/或根据所述多个状态分类特征的数据，通过熵值法确定所述预设的朴素贝叶斯分类器中的多个状态分类特征对应的权重。

可选的，所述通过皮尔斯相关系数确定所述多个状态分类特征之间的相关性，根据所述多个状态分类特征之间的相关性，对所述预设的朴素贝叶斯分类器中的多个状态分类特征进行拆分和联合，包括：

将所述多个状态分类特征划分为多组；