[发明专利]基于参数优化的随机森林油中气体浓度预测方法及系统

权利要求书

1.一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，包括：

获取变压器的油色谱数据；

依据油色谱数据和预设的油中气体浓度预测模型，得到油中气体浓度；

其中，所述油中气体浓度预测模型通过随机森林算法训练得到；进行油中气体浓度预测时，先将随机森林中决策树数目、决策树最大深度、节点可分最小样本数、叶子节点的最小样本数和最大叶子节点数进行参数优化，然后将优化后的参数值带入随机森林算法中，并对变压器的油中溶解气体进行浓度预测。

2.如权利要求1所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，参数优化过程为：

对所有需要优化的参数进行遗传编码，并生成初始种群；

将初始种群中每个个体的参数带入随机森林算法，进行回归分析，得到预测结果；

采用可决系数作为适应度：可决系数越接近1，表示模型准确度越高；

判断遗传算法的终止条件是否满足，如果满足则结束计算，否则，重新生成足量个体形成种群；

重复上述过程。

3.如权利要求2所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，所述可决系数R²为：

其中，y_i为真实值，f(x_i)为预测值，为真实值均值。

4.如权利要求2所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，评估每个个体的适应度，根据适应度进行选择、交叉、变异和克隆操作，然后判断终止条件。

5.如权利要求1所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，随机森林算法中决策树的生成过程为：将输入空间递归地划分为二叉树，每个节点只向下分裂成两个区域，生成回归决策树。

6.如权利要求1所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，随机森林算法抽取数据采用无权重抽样，根据事先设定的决策树数量，对训练集数据进行多次有放回抽样，每次抽样产生相应的决策树。

7.如权利要求1所述的一种基于参数优化的随机森林油中气体浓度预测方法，其特征在于，进行油中气体浓度预测模型训练时，将数据集分为训练集和测试集。

8.一种基于参数优化的随机森林油中气体浓度预测系统，其特征在于，包括数据采集模块和浓度预测模块；

所述数据采集模块，被配置为：获取变压器的油色谱数据；

所述浓度预测模块，被配置为：依据油色谱数据和预设的油中气体浓度预测模型，得到油中气体浓度；

其中，所述油中气体浓度预测模型通过随机森林算法训练得到；进行油中气体浓度预测时，先将随机森林中决策树数目、决策树最大深度、节点可分最小样本数、叶子节点的最小样本数和最大叶子节点数进行参数优化，然后将优化后的参数值带入随机森林算法中，并对变压器的油中溶解气体进行浓度预测。

9.一种计算机可读存储介质，其上存储有计算机程序，用于指纹图谱相似度计算，其特征在于，该程序被处理器执行时实现了如权利要求1-7任一项所述的基于参数优化的随机森林油中气体浓度预测方法的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于参数优化的随机森林油中气体浓度预测方法的步骤。