《表8 诊断结果：基于遗传算法优化XGBoost的油浸式变压器故障诊断方法》

  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

《基于遗传算法优化XGBoost的油浸式变压器故障诊断方法》

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

注：“*”表示诊断错误。

利用上述模型对来自文献[23]的10组变压器检测异常数据进行故障识别，样本数据详见附录D。基于XGBoost的诊断模型和改良ICE比值法对10组样本的诊断结果比较如表8所示。由表可见，由于ICE比值法的编码边界太过于绝对，编码不完备，当样本处于不同编码区间边界时往往无法正确识别故障类型。而采用所提XGBoost模型可以对处于模糊区间的样本进行学习和正确分类，基本弥补了ICE比值法编码缺失、诊断正确率低等不足。