基于极致梯度提升和支持向量机的高速公路服务区供暖系统健康状态评估

为保障高速公路服务区供暖系统的健康运行，本文结合供暖系统的构成和运行特征，设计了一种用于评估服务区供暖系统运行健康状态的极致梯度提升（Extreme Gradient Boosting, XGBoost）和支持向量机（Support Vector Machine,SVM）的双层机器学习模型，并将系统运行健康状态分为健康、亚健康、故障和异常四个等级。首先，分析电压、电流、水温、机组运行状态、蓄热泵、循环泵和泵运行状态7个子系统的运行特征，使用随机函数和欠采样处理构建特征向量集。其次，采用XGBoost构建下层各子系统健康状态评估模型，并输出各子系统的健康状态。然后，融合各子系统健康状态的评估结果，输入至上层SVM系统评估模型，得到整个?供?暖系统的健康状态。最后，将实验与决策树、AdaBoost和XGBoost等模型进行对比，结果表明所提出的XGBoost+SVM双层机器学习模型相较对比模型而言，不仅判断精度更高，同时还可评估整个供暖系统以及各子系统的健康状态。