基于改进 Stacking 模型的铁路信号设备故障率预测
来源：机械与电子杂志2024年第01期北京时间：
作者：袁武民;邢建平;杨栋
单位：1. 兰州深蓝图形技术有限公司,甘肃 兰州 730010 ;
2. 中国铁路兰州局集团有限公司兰州高铁基础设施段,甘肃 兰州 730050 ;
3. 中国铁路兰州局集团有限公司银川电务段,宁夏 银川 750021
摘要：针对单一机器学习模型在预测设备故障率的应用场景中存在误差大、精度低的问题,提出一种基于改进 Stacking 融合模型对铁路信号设备进行故障率预测的方法。采用 XGBoost 、 LightGBM 、 CatBoost 和逻辑回归方法构建基本 Stacking 模型,在此基础上引入 Prophet 时间序列预测模型,将 Prophet 模型提取的时序特征与基本 Stacking 模型逐级融合,构建改进后的 Stacking Prophet 预测模型。最后以某单位信号设备数据为例,验证预测模型有效性。实验结果表明,相较单一预测模型, Stacking-Prophet 预测模型均方根误差( RMSE )平均降低了 94.14% ,预测精度有较大的提升,对设备运维有一定的参考价值。
关键词：机器学习;融合模型;时间序列;铁路信号设备;故障率预测
基金资助：甘肃省中小企业创新基金项目( 22CX3GA029 )
