基于数据挖掘技术的地铁牵引电机温度预测

温度是影响牵引电机使用寿命的重要因素，提前预测对地铁安全高效的运行具有极其重要的作用。文章首先以牵引电机的运行数据为基础，选取与电机温度相关的一系列重要特征参数，通过线性回归(Ridge)模型、基于决策树构建的回归树(梯度提升树，GBDT)模型和多层感知机(MLP)模型，建立牵引电机温度预测模型并进行相应模型训练；其次，选用R-Squared、均方误差(MSE)和对称平均绝对百分比误差(SMAPE)指标，来评价模型的拟合效果。最后，利用已训练模型对之后两个月的电机温度进行预测，从而验证模型的泛化精度，实现牵引电机温度精确预测。通过研究，初步验证了数据挖掘技术在预测地铁牵引电机温度方面的有效性和可行性。结果表明，在预测电机温度时，MLP模型比其他两种模型在精准性和鲁棒性方面性能更佳。