火筒式加热炉
薄鳅图１ 变电站设备温度数据挖掘系统结构
想要从变电站设备状态监测获取的大数据中提炼出有效
法律法规查询系统
的信息，形成能够帮助作出决策的知识，需要对这些数据进
行三个操作：数据预处理、特征提取、预测分析。本文将针 对特征提取环节，采用基于遗传算法的方法，在大量数据的 基础上，提取出环境变量和用电负荷的特征，用于对设备温
度的预测分析。
２ 基于遗传算法的特征提取模型
遗传算法（Genetic Algorithms）是一种通过设置适应度 函数来获取问题的最优解的自适应的全局搜索策略，顺应了
达尔文的适者生存的自然准则。由于遗传算法具有自适应、
可并行、跨领域等优点，尤其适合用于处理大规模的复杂数吴丽（1992-），女，湖北红安人，硕士研究生。研究方向：系统工程。
图２ 基于遗传算法的特征选择过程
遗传算法起始于由一堆个体成员组成的种（P），每一个个体的编码都是一组定长的基因序列，可能是位、字符或者数字，通常是用二进制数字表示。序列的长度就是原始特征空间的维数，每个位上的0或者1并不是表示该特征量的值的大小，而是指排除或者包含该特征量。 超高压汞灯如果一个问题空间具有10个特征量，则特征集为F
电视机转盘, f3,…, f9}，一个形如{1,1,1,0,0,0,0,0,1,1}的个体，就表示选取的特征子集为{f0, f1, f2, f8, f9}。受生物学的启发，可以对这些个体进行突变、交叉这样的操作来产生新的个体，直到这个选择过程达到预设的代数或者结果满足设定的条件。
为了保证预测模型的正确性，还需要挑选合适的适应度函数，在本例中，采用朴素贝叶斯。遗传算法在训练的过程中，以适应度函数为基准，不断通过选择、突变、交叉校正特征空间，使其达到近似最优解。最优特征子集就是在预测模型中取得最高准确率和最低进化时间的特征子空间。存车牌
在确定种之后，遗传算法在求解最优解的过程中，还需要三个重要的算子：选择算子（Ps）、交叉
算子（Pc
变异算子（Pm）。（1）选择是种内部基于适应度的优胜劣汰的过程，选择算子即种内个体被选中作为最优父母个体的概率。（2）交叉是通过父母个体在某单点相异二进制基因位上进行位的互换的过程，是在父母个体的基础上产生优质后代的重要手段。交叉算子是父母个体上发生交叉事件的概率。（3）变异则是在新的个体上，对随机某二进制基因位进行修改，即0变成1，1变成0。变异算子是变异事件发生的概率。上述三个步骤一直重复，直到满足终止条件。一般终止条件可以设定为新的种大小与原始种大小相等，或者连续几代个体的适应度保持不变。选取末代种中具有最大的适应度的个体进行基因解码，就得到最优特征子集。具体执行步骤如下。
Input
nc = 种P中个体数目，即种大小
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议