BiGRU-Attention在高速公路机电设备故障预测中的应用

摘要

针对当前高速公路机电设备故障等级预测中面临的故障文本数据内容短、专业词汇多带来的数据理解困难及特征提取复杂的问题，提出了Bi GRU-Attention故障预测模型。首先，该模型利用Word2Vec算法对非结构化的故障数据进行词向量训练，构建高质量的词汇表征，从而解决专业词汇带来的理解难题。其次，通过双向门控循环单元捕捉文本的时序信息和上下文关联，提取短文本的特征。同时，引入注意力机制，使模型能够自动调整关键特征值的权重，进一步提升分类性能。实验结果表明:该模型在高速公路机电设备故障数据集上取得了显著效果，准确率和运行时间分别达到96.8%和155 s，为高速公路机电设备的故障等级预测提供了高效且准确的解决方案。

关键词

高速公路机电设备 / 故障预测 / 故障文本数据 / 注意力机制 / 双向门控循环单元