基于计及罕见变量的ARMret模型的故障预测方法

摘要

本发明公开了一种基于计及罕见变量的ARMret模型的故障预测方法，步骤1：挖掘罕见元素和常见元素并归类；步骤2：挖掘基于这些罕见元素的HILP元素，以高频变量集和频繁关联规则的形式体现；HILP是指高风险低概率；步骤3：对于训练数据集中的每一个环境特征，依次重复进行步骤1‑2；步骤4：求解各个元素的相对权重；步骤5：基于第:4步所求各个元素的相对权重，依据测试数据集各条故障记录中所含环境元素计算相应记录的预测故障风险度，并归一化；步骤6：将预测故障风险度与测试集中相应记录的真实故障处理结果相比较，从而评估所提出预测模型的性能。本发明的故障预测方法预测准确率高，易于实施。