[发明专利]一种基于Adaboost的输电线舞动风险预警方法

权利要求书

1.一种基于Adaboost的输电线舞动风险预警方法，其特征在于，包括以下步骤； 

(1)、将输电线舞动的内因进行分类，并按分类结果对输电线历史舞动事故下的气象特征因素进行统计； 

其中内因分类结果包括有：①线路的类型，分为单导线和分裂导线；②线路的截面积，分为大、中、小截面线路；③线路档距，分为大、中、小档距线路； 

气象特征因素包括有：①风速；②风向对导线轴向的夹角；③温度；④相对湿度； 

(2)、根据被预测的输电线路信息，选择与输电线舞动内因分类结果中对应的一类，并以该类中历史舞动事故条件下的气象特征因素信息记录构成训练样本集，以Adaboost集成学习算法形成分类器，再将从气象部门获取的步骤1中描述的输电线舞动气象特征因素的预报数据作为输入，通过分类器得到输电线路舞动预警输出结果和置信度margin值； 

(3)、根据步骤2所述的预警输出结果，根据输电线舞动预测结果的置信度margin值，判定得到输电线舞动风险预警等级。 

2.根据权利要求1所述的基于Adaboost的输电线舞动风险预警方法，其特征在于：所述的步骤(2)具体如下： 

2.1)、输入：训练样本集X，其中应包括样本类别标签；N为训练样本数；T为训练次数，也即弱分类器个数；其中弱分类器分类算法为C，样本类别标签中规定1表示输电线发生舞动，-1表示输电线未发生舞动； 

2.2)、初始化：样本权值分布w₁(i)＝1/N，i＝1,2,…,N； 

2.3)、当t＝1,2,…,T： 

①根据第t次的样本权值分布w_t(i)从原始样本集X中进行有放回的抽 样，生成新的样本集合X_t； 

②在X_t上训练弱分类器C_t(X)，并用C_t(X)对原始样本集X进行分类； 

③计算弱分类器C_t(X)的分类错误率； 

式(1)中，当C_t(x_i)≠y_i时，I(g)为1，其余则为0； 

④计算弱分类器C_t(X)的系数； 

⑤更新权值分布； 

式(3)中，是归一化因子，使得

2.4)、最终分类器： 

式(4)中，函数sgn(·)为符号函数，其具体数学表达式为 

则输电线舞动预警输出包含分类器预测结果y和置信度margin(x,y)： 

式中，x为输电线舞动气象特征因素的预报数据；y∈{-1,+1}，为分类器预测结 果：1为预测该输电线将发生舞动，-1为预测该输电线将不发生舞动；margin∈[-1,+1]，较大的正边界表示预测该线路发生舞动的可信度高，较大的负边界表示预测该线路不发生舞动的可信度高，较小的边界则表示预测结果的可信度较低。