[发明专利]一种基于贝叶斯神经网络的天气相关故障预测方法

权利要求书

1.一种基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：包括，

通过气象站收集天气数据，并通过公用事业公司收集相应的故障计数记录；

基于贝叶斯神经网络构建初始天气相关故障预测模型；

从所述天气数据中提取五个天气特征，并根据故障计数记录将天气故障计数分为三个故障风险等级，利用Pearson相关系数计算所述五个天气特征与三个故障风险等级之间的相关性；

结合所述相关性和信息论准则训练初始天气相关故障预测模型，获得天气相关故障预测模型，通过天气相关故障预测模型预测天气相关故障。

2.如权利要求1所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：所述故障计数记录包括故障位置、故障类型。

3.如权利要求1或2所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：所述五个天气特征包括每周平均风速、每周最大风速、每周平均降雨量、每周最大降雨量和一周内的闪电天数。

4.如权利要求3所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：所述初始天气相关故障预测模型包括，

其中，x_i为样本x在第i个属性上的取值，d为神经元数目，c为样本类别。

5.如权利要求1或4所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：所述相关性包括，

其中，X为所述五种个天气特征，Y为所述三个故障风险等级，ρ为相关系数。

6.如权利要求5所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：还包括，

基于信息论准则定义评分函数s(B|D)：

s(B|D)＝f(θ)|B|-LL(B|D)

其中，B为所述初始天气相关故障预测模型，D为模型训练集，f(θ)为每个模型参数θ所需的字节数，LL(B|D)为模型的对数似然。

7.如权利要求6所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：所述对数似然LL(B|D)包括，

其中，m为训练集的数量。

8.如权利要求1或7所述的基于贝叶斯神经网络的天气相关故障预测方法，其特征在于：训练初始天气相关故障预测模型包括，

若f(θ)＝1，则获得AIC评分函数：

AIC(B|D)＝|B|-LL(B|D)；

若则获得BIC评分函数：

若f(θ)＝0，则评分函数变为负对数似然；

利用贪心算法调整初始天气相关故障预测模型结构，直至评分函数不再降低为止。