工业大数据分析回归评估.docx

《工业大数据分析回归评估.docx》由会员分享，可在线阅读，更多相关《工业大数据分析回归评估.docx（5页珍藏版）》请在第一文库网上搜索。

1、任务8.1回归评估任务概述回归评估是对自变量相同和因变量相同的数据集，比较一种回归算法一组参数、不同参数组合或者多种回归算法之间的分析性能，检验回归模型的可靠性;最终根据一些评价的指标（如相对误差等等指标）或者图表展示，获得质量最佳的回归模型。本任务使用回归评估节点的使用为例讲述案例实操过程。图8-1-1回归评估图标数据格式：（1）回归模型：机器通过学习与训练已有的数据构建回归模型，从而预测新数据的类别。（2）回归数据集：数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。回归数据集即用于回归的数据集。数据说明：本段中所用数据为风机结冰故障数据。（1）数据集文件名称：fengj

2、i_data_t1demO3.csv。（2）数据集案例背景：叶片结冰是风电领域的一个全球范围难题。低温环境所导致的叶片结冰、材料及结构性能改变、载荷改变的问题等，对风机的发电性能和安全运行造成较大的威胁。随着风机的设计功率不断提升，现有风机塔筒高度也在不断增长，因此即使在北部沿海和山区地区，冬季里大量风机都会触碰到较低的云层，在低温和潮湿环境下非常容易结冰。目前风机运行的实时数据主要由SCADA系统进行存储，对叶片结冰故障的监测手段主要是比较风机实际功率与理论功率之间的偏差,当偏差达到一定值后会触发风机的报警和停机。然而，触发报警时往往已经发生叶片大面积结冰现象，在这样的情况下运行会增加叶片折

3、断损坏的风险。虽然许多新型风机都设计了自动除冰系统，但是实际应用中面临的挑战是很难对结冰的早期过程进行精确预测，以便能够尽早开启除冰系统。对结冰过程的预测准确度决定了除冰系统的效率、风机的效率损失和风机运行的风险。（3）数据集字段说明表8-2数据集字段说明字段名称数据类型数据样例解释说明time字符型2015/11/40:00数据采集时间Wind_speed数值型(DOUB1E)1.096584281风速generatorspeed数值型(DOUB1E)1.236889745发电机转速power数值型(DOUB1E)1.008939网侧有功功率（kw）winddirection数值型(DOUB

4、1E)1.537073对风角（）yaw_position数值型(DOUB1E)-0.62627偏航位置yaw_speed数值型(DOUB1E)-0.03896偏航速度pitch1_ang1e数值型(DOUB1E)0.222222叶片1角度pitch1_moto_tmp数值型(DOUB1E)-1.389叶片1变桨电机温度acc_x数值型(DOUB1E)-1.02399X方向加速度acc_y数值型(DOUB1E)0.061109y方向加速度environment_tmp数值型(DOUB1E)-0.8947环境温度int_tmp数值型(DOUB1E)-0.92206机舱温度pitch1_ng5_DC

5、数值型(DOUB1E)-0.8叶片1ng5充电器直流电流pitch2_ng5_DC数值型(DOUB1E)0.48叶片2ng5充电器直流电流pitch3ng5DC数值型(DOUB1E)-0.08叶片3ng5充电器直流电流frozenstate布尔型(BOO1EN)0结冰状态通过本任务的学习：（1）会使用回归评估模型检验线性回归模型应用于工业大数据分析的可靠性。任务实现模型构建流程如下：步骤1：建模区“数据管理”下拉列表内拖入“文件输入”节点、“数据处理”下拉列表内拖入“设置角色节点”、“机器学习”下拉列表内拖入“线性回归”，“模型管理”下拉列表内拖入“回归评估”节点，每个节点互相点击连接，构建如

6、下模型，如图8-1-2所示：fengji_data_t1_.设置角色浅性回归回归评估图8-1-2回归评估构建模型步骤2：点击“文件输入”节点，弹出下图，点击“选择数据”右下方图标,fengjidatat1demo3弹部图文件上传删除t.Iqi充数据内容S3S结构csvfengjidatat1demo3.R-timewindspeedgeneratorspeed2015/11/40:001.0965842811.2368897452015/11/40:010.9453776631.2634801842015/11/41440.6761561241.2501849652015/11/41451.0

7、744564841.2734515992015/11/41461.1113361471.2800992092015/11/41471.7382904171.263480184分区记录条款100000点主查看功能说明步骤3：“设置角色”节点配置如下，如图8-1-4所示:设置角色X（）全部字胃O数值三期文本向量序号字段名名客类型角色设定移除IQ.jI一.O9PitCh1motoJPitCh1mOtojJftfiSi(DOUB1E昌fiO10acc.xcc.x教S(DOU81ESSSXQ11acc_yaccy教殴(De)UB1E目SO12environmentenvironmentStfi(OOU8

8、1ESO13intjmpirrtjmpfi(DOB1E目fiO14Piteh1ng5_DCpitch1_ng5_DCSfi(D0U81JQ15pitch2_ng5_DCphch2_ng5_DCttt5k(DOUB1E目fiO16pch3.95.DCpch3,ng5.DCJKtB(DOB1ESQ17frozen-statefroze-stte数值SiaMn因交星点壬查看功能泥第海取消图8-1-4回归评估-设置角色-节点配置步骤4：“机器学习”下拉列表内拖入“线性回归”节点，配置如下，如图8-1-5所示:线性回归裁赍标准化节化无处理”I至本选项OKtMt1100收效容差0.01求解方法AutoVS52!12是否显示兖量垂妾住点壬直看切里说朝资定取消步骤5：点击上图“确定”按钮，完成配置，点击右上角运行按钮，运行后在“洞察”中查看模型运行结果，如下图8-1-6、图8-1-7所示:wRXtscettet3nf1AMTB0.1TMOJIM0047m5*1OMO1OOMO图8-1-6回归评估-模型运行结果1图8-1-7回归评估-模型运行结果2运行结果说明：通过以上运行结果学习自变量相同和因变量相同的数据集,比较一种回归算法一组参数、不同参数组合或者多种回归算法之间的分析性能,检验回归模型的可靠性；最终根据一些评价的指标（如相对误差等等指标）或者图表展示，获得质量最佳的回归模型。