更新时间：2026-08-16 00:02:28
已登记
详细信息
-
知识产权名称
变电站升压变压器异常声压预测数据
-
登记编号
DIP2024000015071
-
申请人
嘉兴融声科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-08 17:25:54
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
501
-
更新频次
每季度更新
-
应用场景
根据搜集到的频率、距离、幅值、介质密度、声速等基础信息，计算出变电站升压变压器声压值，根据升压变压器的声压异常判别区间图表，判断出升压变压器的声压是否存在异常，从而为企业作业的安全提供了保障。
-
算法规则简要说明
1.数据搜集：搜集到升压变压器的声学振动信号数据，并将其作为特征变量。同时，收集对应的声压数据，作为目标变量。2.预处理：利用归一化公式x=（xi-min）/（max-min）；其中xi是样本字段中第i条数据，x是归一化后的值；3.模型训练：用Python语言环境运行，方法为XGBoost算法，预测变电站变压器的声压。XGBoost的目标函数由两部分组成：损失函数和正则化项。损失函数用于衡量模型预测值与实际值之间的差异，而正则化项则用于控制模型的复杂度，防止过拟合。公式如下：F(x）=求和L（yi，y^i）+求和（m(f(k))），其中L（yi，y^i）表示第i个样本的损失函数，yi是实际值，y^i是预测值；m(f(k))表示第 k 棵树的复杂度。当损失函数F（x）最小化时则停止迭代过程，在此过程中y^i预测值是通过特征函数进行求解的，具体计算方式如下：通过对于目标函数的求导，紧接着并令导数等于0，从而解出叶子节点的最优分数。通过不断地选择最优分裂点并构建树结构，XGBoost最终可以得到一棵最优的树模型。然后，将多棵树模型的预测结果进行累加，即可得到最终的预测值。4.模型迭代和更新，利用交叉验证来评估模型的稳定性和性能，其中交叉验证公式如下：m=求和（yi-y^i）/N；其中m代表交叉验证误差、N代表数据样本的数量、yi代表第 i 个样本的实际观测值、y^i代表第 i 个样本的模型预测值。若满足交叉验证的误差范围则退出迭代过程，输出模型参数值。
-
更新频次
每季度更新
-
存证平台
浙江省知识产权区块链公共存证平台
