油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特...油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特征进行深入分析,选择了泛化性能优越的统计模型,并借鉴加性模型的优点,对存在缺失值的油中溶解气体数据进行拟合,并对预测效果进行分析。同时,与XGBoos(textreme gradient boosting,XGBoost)模型预测效果进行对比,通过实例对比了两者在预测效果上的差异。展开更多
文摘油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特征进行深入分析,选择了泛化性能优越的统计模型,并借鉴加性模型的优点,对存在缺失值的油中溶解气体数据进行拟合,并对预测效果进行分析。同时,与XGBoos(textreme gradient boosting,XGBoost)模型预测效果进行对比,通过实例对比了两者在预测效果上的差异。
