基于Focal Loss改进LightGBM的管网毛刺数据检测方法及存储器

    公开(公告)号:CN120067667A

    公开(公告)日:2025-05-30

    申请号:CN202411741510.4

    申请日:2024-11-29

    Abstract: 本发明涉及人工智能技术领域,具体涉及一种基于Focal Loss改进LightGBM的管网毛刺数据检测方法及存储器,包括:针对管网原始数据提取邻域特征并构建毛刺数据集;基于毛刺数据集对检测模型进行多次验证,于每次验证过程中调整检测模型的损失函数的损失函数参数;根据验证结果选择多个检测模型进行融合形成融合模型,采用融合模型对管网数据进行识别。针对现有技术中的毛刺数据样本不均衡、对模型训练效果较差的问题,引入了对损失函数进行预先验证、调整损失函数参数的验证流程。通过对损失函数的参数进行调整并进行多轮验证,能够确定在对特定的毛刺数据集的训练过程中,较好地兼顾召回率与精确率的参数组合,最后再进行融合,从而提升整体的检测效果。

    一种样本可扩展的水泵故障诊断方法和系统

    公开(公告)号:CN119150194A

    公开(公告)日:2024-12-17

    申请号:CN202411302307.7

    申请日:2024-09-18

    Abstract: 本发明提供一种样本可扩展的水泵故障诊断方法和系统,步骤A1,获取水泵有无故障的声音片段作为样本与故障类型形成种子样本集;步骤A2,从种子样本集中进行目标特征类型筛选,并提取第一声音特征数据;步骤A3,从待诊断的声音片段中提取目标特征类型的第二声音特征数据;步骤A4,比对第二和第一声音特征数据识别水泵的故障类型:若无故障,获取下一轮待诊断的声音片段继续步骤A3;若有故障,步骤A6,将识别的声音片段作为样本与故障类型加入种子样本集,获取下一轮待诊断的声音片段继续步骤A2。通过少量的样本对水泵运行的声音片段进行筛选,可扩展的收集水泵故障噪声样本,不需要假设数据的分布,也不需要训练过程。

Patent Agency Ranking