中国科技信息2024年第3期�CHINASCIENCEANDTECHNOLOGYINFORMATIONFeb.2024-84-◎三星推荐电梯是现代化城市发展中必不可少的一部分，作为一种交通工具，电梯为人们的日常生活带来了极大的便利。但是，随着电梯数量的不断上升，随之而来的是各种电梯故障及电梯事故数量的增加，这对人们的生活质量和生命安全造成了一定程度的影响。因此对电梯的故障进行预测，包括对电梯的故障种类、故障可能会发生的部件、故障可能会发生的时间等进行预测，以及对电梯相关的事故进行预防，就变得尤为重要。随着科学技术的进步，电梯行业也逐渐进入了大数据发展的新时代。电梯的制造数据、运行数据、检验数据、检测数据、维保数据等海量的数据在不断地产生。针对这些海量的电梯数据进行收集和整理，剔除掉异常的无效数据和无关数据，再进行进一步的数据处理和数据分析，通过不同的大数据分析模型算法，深入挖掘隐藏在数据背后的特征，把握电梯故障发生背后的根本原因，从而真正做到电梯故障的预测和预警。本文通过研究电梯集群化的维保数据和检验数据与设备故障数据的关联，分析使用场所（如办公场所、公共场所、居民区、家装电梯等）、型号品牌、维保单位、制造年限等因素对故障概率发生的影响，从而对电梯集群化的故障可能发生的部件和时间进行预测。基于LightGBM的分类预测GBDT作为机器学习中的经典模型，利用了决策树算法，通过反复迭代训练数据，从而最终得出一个最优的模型。这个模型的训练效果相对较好，而且不容易过拟合，因此被广泛应用于多个行业。而LightGBM（LightGradientBoostingMachine）是一个在GDBT的基础上，实现了该算法的框架。它能够更加高效率地进行并行训练，训练速度更快，而对于内存的消耗更低，准确率更好，还可以快速地处理海量的数据。优缺点优点（1）处理的速度更快LightGBM采用了直方图算法，将遍历样本转变成为遍历直方图，极大地降低了时间的复杂度，尤其是在处理大规模的数据时，这样做的效果更加突出；在训练过程中采用了单边梯度算法，过滤掉了梯度相对较小的样本，减少了大量的计算；采用了基于Leaf-wise算法的增长策略构建树，行业曲线开放度创新度生态度互交度持续度可替代度影响力可实现度行业关联度真实度一种基于大数据的电梯集群化故障分析法王晨王晨上海市特种设备监督检验技术研究院基金项目：特种设备质控主体数字画像与资源匹配调度方法研究（编号：2022YFF0607403）。-85-CHINASCIENCEANDTECHNOLOGYINFORMATIONFeb.20...
