[发明专利]一种基于LightGBM融合模型的设备温度监测方法

权利要求书

1.一种基于LightGBM融合模型的设备温度监测方法，其特征在于，所述方法包括以下步骤：

(1)分别采集温度超出正常范围和正常的设备的基本性能指标，进行数据预处理并提取出主要特征，并根据专家经验对温度超出正常范围设备标记为必须处理和临界区，得到三种类别的标签；

(2)基于LightGBM模型，将提取的特征和对应类别标签分别训练一个二分类模型和一个三分类模型；

(3)对两个模型进行融合，并利用融合模型对设备进行预测，根据设备异常程度进行排序得到结果。

2.根据权利要求1所述的一种基于LightGBM融合模型的设备温度监测方法，其特征在于，所述的步骤(1)特征提取的具体方法为：

(11)分别采集设备温度异常时间、设备类别、曾经异常的次数、异常工作性能指标数、异常点坐标x，异常点坐标y，异常点坐标z这七类特征，清洗原始采集的数据，消除噪声；

(12)对正常设备的异常点(x，y，z)坐标置为(x₀，y₀，z₀)；

(13)分别将温度异常时间和异常工作性能指标数、设备类别和曾经异常次数捆绑，形成两个新特征。

3.根据权利要求1所述的一种基于LightGBM融合模型的设备温度监测方法，其特征在于，所述的步骤(2)模型训练的具体方法为：

(21)训练的二分类模型主要分为不需要处理和必须要处理的设备，不需要处理设备包含的标签对象为正常和临界区，监测时对每个设备进行预测，得到不需要处理和需要处理的概率值p_s1和p_s2；

(22)训练的三分类模型的标签主要分为正常、临界区、必须处理，监测时分别对每个设备进行预测，得到每个设备对应的概率值p_t1，p_t2和p_t3。

4.根据权利要求1所述的一种基于LightGBM融合模型的设备温度监测方法，其特征在于，所述的步骤(3)模型融合的具体方法为：

(31)对二分类模型两种预测结果分别给一个权值，两种情况分别对应为s₁和s₂，三分类模型的三种预测结果也分别获得对应权值t₁，t₂和t₃；

(32)根据预测结果的概率值和权值得到设备异常程度score，具体公式如下：

score＝p_s1*s₁+p_s2*s₂+p_t1*t₁+p_t2*t₂+p_t3*t₃

最后根据异常程度进行排序。