公开(公告)号：CN112380041B

公开(公告)日：2023-11-14

申请号：CN202011272211.2

申请日：2020-11-13

申请人： 重庆金美通信有限责任公司

发明人： 赵伟杰 ,  夏鹏燕 ,  田焕 ,  杨微

IPC分类号： G06F11/07 ,  G06F18/214 ,  G06F18/2431 ,  G06N20/00

摘要： 本发明公开了一种基于xgboost的指控通信装备故障预测方法，包括以下步骤：S1、数据预处理，从空间与时间维度构建特征集features；S2、定义样本特征权重wk与损失函数rmspe_xg；S3、依据测试集时间性，按时间序列划分训练数据X_train与验证数据X_test；S4、将划分的训练特征集X_train[features]与训练目标值X_train['fault']转换为训练特征向量矩阵dtrain，将划分的验证特征集X_test[features]与验证目标值X_test['fault']转换为验证特征向量矩阵dvalid；S5、构建xgboost模型，通过dtrain训练模型，并利用损失函数rmspe_xg对dtrain结果与dvalid结果进行交叉验证，使模型损失值收敛，最终得到训练好预测模型xgbmodel；S6、从测试数据test中筛选测试特征集test[features]，生成特征向量dtest，通过xgbmodel预测dtest未来某时刻装备是否出现故障，预测其故障类型。

公开(公告)号：CN113343555A

公开(公告)日：2021-09-03

申请号：CN202110511122.7

申请日：2021-05-11

申请人： 重庆金美通信有限责任公司

发明人： 赵伟杰 ,  户江民 ,  吕鸿 ,  田焕 ,  王均春

IPC分类号： G06F30/27 ,  G06N20/00 ,  G06F111/02

摘要： 本发明公开了一种基于GDBT与LR集成模型的微波通信效能评估方法，包括：获取微波接力通信系统中R对微波接力机的相关参数；将相关参数进行关联预处理后，输入第一预设模型，得到相关数据的稀疏向量；所述第一预设模型由GDBT模型训练获得；合并R对相关数据的稀疏向量，生成R对微波接力机的相关参数的特征稀疏矩阵，代入第二预设模型，通过predict方式评估R对微波接力机的微波通信效能；第二预设模型由LR模型训练获得。该方法可评估多型微波接力机在不同工作参数和外部环境下的通信效能，为车载微波接力机的智能化部署、架设提供辅助决策，提升复杂战场环境微波通信效能，保障机动指控微波通信传输质量。

公开(公告)号：CN112380041A

公开(公告)日：2021-02-19

申请号：CN202011272211.2

申请日：2020-11-13

申请人： 重庆金美通信有限责任公司

发明人： 赵伟杰 ,  夏鹏燕 ,  田焕 ,  杨微

IPC分类号： G06F11/07 ,  G06K9/62 ,  G06N20/00

摘要： 本发明公开了一种基于xgboost的指控通信装备故障预测方法，包括以下步骤：S1、数据预处理，从空间与时间维度构建特征集features；S2、定义样本特征权重wk与损失函数rmspe_xg；S3、依据测试集时间性，按时间序列划分训练数据X_train与验证数据X_test；S4、将划分的训练特征集X_train[features]与训练目标值X_train['fault']转换为训练特征向量矩阵dtrain，将划分的验证特征集X_test[features]与验证目标值X_test['fault']转换为验证特征向量矩阵dvalid；S5、构建xgboost模型，通过dtrain训练模型，并利用损失函数rmspe_xg对dtrain结果与dvalid结果进行交叉验证，使模型损失值收敛，最终得到训练好预测模型xgbmodel；S6、从测试数据test中筛选测试特征集test[features]，生成特征向量dtest，通过xgbmodel预测dtest未来某时刻装备是否出现故障，预测其故障类型。

公开(公告)号：CN113343555B

公开(公告)日：2022-10-14

申请号：CN202110511122.7

申请日：2021-05-11

申请人： 重庆金美通信有限责任公司

发明人： 赵伟杰 ,  户江民 ,  吕鸿 ,  田焕 ,  王均春

IPC分类号： G06F30/27 ,  G06N20/00 ,  G06F111/02

摘要： 本发明公开了一种基于GBDT与LR集成模型的微波通信效能评估方法，包括：获取微波接力通信系统中R对微波接力机的相关参数；将相关参数进行关联预处理后，输入第一预设模型，得到相关数据的稀疏向量；所述第一预设模型由GBDT模型训练获得；合并R对相关数据的稀疏向量，生成R对微波接力机的相关参数的特征稀疏矩阵，代入第二预设模型，通过predict方式评估R对微波接力机的微波通信效能；第二预设模型由LR模型训练获得。该方法可评估多型微波接力机在不同工作参数和外部环境下的通信效能，为车载微波接力机的智能化部署、架设提供辅助决策，提升复杂战场环境微波通信效能，保障机动指控微波通信传输质量。