待验证50% 置信发布精确时间

arXiv上的一项研究（arXiv:2609.04300v1）提出了一种基于机器学习的数据优化故障筛查方法用于电力系统安全评估

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

机器学习在电力系统故障筛查中的应用：随机森林实现高精度安全分类

涉及实体

Data-Optimized Contingency Screeningconcept arXivproduct

相关事实

待验证可利用机器学习技术进行异常检测，在故障发生前识别风险信号76% 相似待验证一项来自arXiv的研究提出了一种测试时优化方法，通过移除输入中未被提及的概念来提高LLM解释的完整性和可靠性71% 相似待验证机器学习算法已被广泛应用于入侵检测系统、恶意软件识别和异常流量分析68% 相似待验证通过机器学习算法分析振动频谱、温度变化趋势和油液成分等参数，预测性维护系统能够提前数周预警潜在故障67% 相似待验证预测性维护通过收集设备运行数据结合机器学习算法建模分析，在故障实际发生前精准预测最佳维护窗口65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/902727

API

curl https://kongchang.com/api/v1/knowledge/claims/902727

MCP

get_claim(id=902727)