基于随机森林算法的WANO机组能力因子分类

针对核电厂机组能力因子分类研究缺少相对简单有效的方法,基于第一至第八次《中华人民共和国核安全公约国家报告》中世界核电营运者协会(WANO)性能指标的数据,提出一种随机森林模型(random forest,RF)的机组能力因子分类方法,通过估算随机森林模型决策树的棵树、内部节点再划分所需要的最小样本数等,构建最优的随机森林分类模型,成功实现对能力因子的快速和精细分类,为第九次国家报告中定性掌握我国核电机组发电状况及行业内机组所处状况提供依据;同时,选用解决二分类的Logistic回归作对比试验,试验结果表明RF分类算法的总体精度达到77.27％,Kappa系数为0.705 3,达到高度一致性检验标准区间,明显高于Logistic回归的51.14％和0.1101,RF表现出分类效果好、准确率高和性能稳定等优点,能够有效提高机组能力因子分类的准确度.