简介：为了研究空间故障树降维方法,参考因素空间中的信息增益法,构建了空间故障树中影响因素的降维方法。通过影响因素对目标因素的信息增益情况判断该因素被删除降维的可能性,分为可被忽略和可等同2种情况并给出了判断此2种情况的条件及降维方法的过程描述和涉及的定义。应用该方法分析了故障状态数据,设使用时间、使用温度和使用湿度为影响因素,元件故障概率为目标因素。分析结果表明,使用时间和使用湿度对故障概率的影响接近;使用温度对故障概率的影响最小,但3个因素都不能作为可降维的影响因素而被删除。
简介：为准确预测膨胀土边坡稳定性,避免人员和财产损失,提出一种基于偏最小二乘（PLS）和WNN的组合预测方法。首先利用PLS提取样本数据的主元特征;然后利用获取的主元特征建立WNN边坡稳定性预测模型;最后通过所建立的模型实现对边坡稳定性的预测。结果表明,该预测方法仅经过200余次迭代即可完成模型训练,预测均方误差达到0.0125,比单一WNN有了很大改善,从而验证了其可行性和有效性。
基于信息增益的SFT中故障影响因素降维方法研究
基于偏最小二乘的小波网络膨胀土边坡稳定性预测
