[发明专利]基于改进决策树的电力通信设备状态的预测方法

权利要求书

1.一种基于改进决策树的电力通信设备状态的预测方法，其特征在于，具体包括以下步骤：

(1)收集的电力通信设备的固有数据并将收集的固有数据存入数据库；同时采集所述电力通信设备的实时监测信息；

(2)对所述步骤(1)中收集的固有数据进行数据挖掘与分析，构建出多变量数的预测分析决策树，获得所述电力通信设备与监测点的关联参数及相关值和所述电力通信设备的异常特征值；

(3)通过所述电力通信设备与监测点的关联参数及相关值和所述电力通信设备的异常特征值结合所述电力通信设备的实时监测信息对所述电力通信设备进行运行状态分析，从而得出所述电力通信设备的故障预测与检修指导。

2.根据权利要求1所述的基于改进决策树的电力通信设备状态的预测方法，其特征在于，所述步骤(1)中收集的电力通信设备的固有数据包括设备的履历信息、设备检修信息和设备缺陷信息。

3.根据权利要求1所述的基于改进决策树的电力通信设备状态的预测方法，其特征在于，所述步骤(2)对所述步骤(1)中收集的固有数据进行数据挖掘与分析构建出多变量数的预测分析决策树的具体方法为：

S21 定义一个决策表信息系统S＝(U，R，V，F)，其中论域U为一个非空有限对象的集合，R为所有属性集合；所述R分为测试属性集A和决策属性集D；

S22 从测试属性集A相对决策属性集D的核开始，逐步构建出完整的多变量数的预测分析决策树。

4.根据权利要求3所述的基于改进决策树的电力通信设备状态的预测方法，其特征在于，所述步骤S21中的所述R与所述测试属性集A和决策属性集D的关系为：V＝∪_r∈R(V_r)，V_r是属性R的值域，信息函数F：U×R→V。

5.根据权利要求4所述的基于改进决策树的电力通信设备状态的预测方法，其特征在于，所述步骤S22的具体方法为：

S221 根据样本数据集构造出决策表；

S222 计算测试属性集A相对决策属性集D的核，记为care_D＝{a₁，a₂，…，a_k，}，若则转到步骤S223，否则到步骤S224；

S223 采用ID3决策树算法，选择一个最佳属性，以此作为该节点的检验属性；

S224 给出合取范式形式P＝a₁∧a₂∧…∧a_k，计算P相对决策属性D的泛化GEN_D(P)，并将其作为决策树根节点的检验属性；

S225 在当前样本数据集中计算剩下的条件属性集合A/care_D(A)A中每个属性对决策属性集D的粗糙度，从中选择出粗糙度最小的属性作为该结点检验属性的最优解；其粗糙度计算公式如下：

其中为粗糙度；

αC_i(X)为近似精度；

为X的下近似集合；

为X的上近似集合：

bnC_iX为边界区，表示集合X的上近似集合和下近似集合的差，在知道R的判断下，无法确定是否属于X的对象所组成的集合。

6.根据权利要求4所述的基于改进决策树的电力通信设备状态的预测方法，其特征在于，所述多变量数的预测分析决策树中的测试属性集包括误码异常、光功率异常、飘移异常、光纤异常、偏置电流异常、抖动电流异常、机房温度异常和机房供电异常。