文献类型：期刊文章

作　　者：张友友[1] 李亮[2] 林梅[1] 林莉[1]

Zhang Youyou;Li Liang;Lin Mei;Lin Li

机构地区：[1]成都师范学院物理与工程技术学院,四川成都611130 [2]成都师范学院招生就业处,四川成都611130

出　　处：《时代汽车》

基　　金：2022年四川省大学生创新创业训练项目:基于预测模型的汽车零部件工业流程优化方法研究(107261858)。

年　　份：2024

期　　号：18

起止页码：161-163

语　　种：中文

收录情况：普通刊

摘　　要：文章针对汽车电力变压器生产过程中存在的供销不平衡的问题,利用预测模型,对汽车电力变压器的工业生产过程进行优化研究。文章使用Kaggle平台上470条电力变压器故障分析数据,对电力变压器的预期寿命进行回归预测。将GradientBoosting模型与RandomForest等8种模型进行对比,GradientBoosting模型准确率达86%,证明了其预测性能的优越性。此外,文章还对特征进行重要性分析,有助于理解模型的内部工作机制、更好地进行数据预处理和特征工程。

关 键 词：电力变压器 生产流程优化 预测模型  特征重要性排序  机器学习  

分 类 号：TM4]