《表2 重要特征量的故障贡献率排序结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林算法的制冷剂充注量故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文针对训练集筛选后的45维故障特征量，基于随机森林的基尼指数准则确定参数的重要程度，进行特征贡献率排序，评估故障特征量对故障诊断的重要度，进而指导实际工程中空调故障诊断采集参数的数量及频率，有效减少采集和存储成本，提高诊断效率。首先选取训练集5000组数据，建立RF模型，其中RF模型参数参考Python的scikit-learn v0.20版本默认值设置，然后基于RF的基尼指数准则量化不同特征的贡献率。表2为重要故障特征量累积贡献率排序结果，图5为各特征量贡献率随故障特征量的变化情况。