-
题名基于机器学习的电动汽车电池系统的风险预警
被引量：2
- 1
-
-
作者
何淑波
项薇
石钟淼
-
机构
宁波大学机械工程与力学学院
浙江省零件轧制成形技术研究重点实验室
宁波大学先进储能技术与装备研究院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2023年第2期159-165,共7页
-
基金
宁波市自然科学基金资助(202003N4154)。
-
文摘
为提高动力电池在实车工况下安全预警的及时性和准确性,将电池系统安全预警问题提炼为关键状态预测及基于预测状态的预警分类2大科学问题,根据实车运行中的电池状态数据,选择电池的单体电压最高值、单体电压极差等作为关键预测对象;利用费舍尔计分和最大信息系数(MIC)进行特征选择,采用样本卷积和交互网络模型(SCINet)实现关键状态预测;基于预测的状态,建立多分类随机森林(RF)模型,对动力电池的安全风险进行分级预警。研究结果表明:该模型对电池多个参数具有很强的预测能力,如预测1 min后单体电压最高值的均方根误差(RMSE)为0.0271,温度最高值为0.0540;对电池系统1 min后安全风险等级预测的查准率为84%,宏平均f 1分数为74%。
-
关键词
机器学习
电动汽车
电池系统
风险预警
样本卷积和交互网络(SCINet)
随机森林(RF)
-
Keywords
machine learning
electric vehicle
battery system
risk early warning
sample convolution and interaction network(SCINet)
random forest(RF)
-
分类号
X924.4
[环境科学与工程—安全科学]
-
-
题名基于地铁施工事故案例的机器学习灾害预测方法
被引量：2
- 2
-
-
作者
吴成宇
项薇
韩乐琦
何淑波
石钟淼
黄益槐
-
机构
宁波大学机械工程与力学学院
-
出处
《数学的实践与认识》
2022年第1期92-102,共11页
-
基金
宁波市自然科学基金(202000061)。
-
文摘
针对城市轨道交通施工事故的频繁发生,建立了基于地铁施工事故案例的机器学习灾害预测模型.通过收集过往地铁施工事故案例建立数据集,引入天气气象、水文地质、周边环境、施工因素等外部风险源做为特征,分析决策树、随机森林、SVM、XGBoost等灾害预测模型对施工事故的预测能力.结果表明经过网格搜索后XGBoost的预测效果明显高于其他模型,其宏平均AUC值、微平均AUC值分别达到0.7564和0.8624相较于位列第二的模型分别高出0.87%和12.99%.
-
关键词
灾害预测
机器学习
算法比较
XGBoost
-
Keywords
disaster prediction
machine learning
algorithm comparison
XGBoost
-
分类号
U231.3
[交通运输工程—道路与铁道工程]
-
-
题名地铁施工中应急物资的储备优化研究
被引量：1
- 3
-
-
作者
韩乐琦
刘新科
项薇
吴成宇
石钟淼
何淑波
-
机构
宁波大学机械工程与力学学院
宁波市轨道交通集团有限公司建设分公司
宁波大学先进储能技术与装备研究院
-
出处
《机械制造》
2022年第1期1-6,共6页
-
基金
宁波市自然科学基金资助项目(编号:2020000611)。
-
文摘
针对地铁建设过程中所需应急物资的归属及储备优化问题,采用层次分析法、模糊评价等方法进行研究,通过SPSS软件聚类得到合理的应急物资分级模型。针对重要级别应急物资进一步进行储备优化,基于多事故点-多储备点-多类型应急物资储备,以抢险及时性为目标,引入惩罚函数构建应急物资储备优化模型,通过蒙特卡洛抽样模拟随机试验得到各储备点对于多类型重要应急物资的最优期望储备量。以宁波市轨道交通建设工程为例,提出应急物资合理分类方案及合适的管理模式,同时为各储备点应急物资的配置工作提供解决方案,具有一定的指导意义。
-
关键词
地铁
施工
应急物资
储备
研究
-
Keywords
Metro
Construction
Emergency Supply
Reserve
Study
-
分类号
U231
[交通运输工程—道路与铁道工程]
-
