Analyse de facteurs de fiabilité d'actifs industriels de transport de gaz par apprentissage automatique supervisé
Résumé
Ce travail vise à explorer deux algorithmes d'apprentissage automatique supervisé (XGBoost et Scikit-survival) avec la régression de survie de Cox pour modéliser la fiabilité d'actifs industriels. Ils sont tous les deux efficaces pour analyser les facteurs de fiabilité des actifs industriels de transport de gaz, mais n'ont pas la même performance.
Fichier principal
1A - Analyse de facteurs de fiabilité d’actifs industriels de transport de gaz par apprentissage automatique supervisé.pdf (1.07 Mo)
Télécharger le fichier
| Origine | Fichiers éditeurs autorisés sur une archive ouverte |
|---|---|
| Licence |