Prédiction de la fiabilité d'une Turbine à gaz par les méthodes KNN et SVR

Abstract

La fiabilité des turbines à gaz est un élément clé pour assurer un fonctionnement optimal. La défaillance de ces turbines peut entraîner des pénuries de production et des réparations coûteuses. Par conséquent, l’amélioration de leur fiabilité est une priorité pour les industries qui dépendent de ces systèmes. Dans ce travail, nous avons utilisé une approche d’apprentissage automatique supervisé pour prédire le coefficient de dégradation d’une turbine à gaz, afin d’améliorer la fiabilité en utilisant deux algorithmes : l’algorithme du plus proche voisin (KNN) et l’algorithme de régression du vecteur de support (SVR).