简介： 本发明提出了一种基于蒙特卡洛树搜索和神经网络的故障预测方法，基于大数据模式挖掘与探索、以及循环神经网络预测。该算法分为训练阶段和运行阶段：训练阶段主要通过挖掘数据模式，建立蒙特卡洛树来表示系统运行状态，训练循环神经网络，使用前一段时间的系统状态数据来预测下一时刻的系统状态数据，同时在蒙特卡洛上标识出故障状态和非故障状态；然后将蒙特卡洛系统状态树与循环神经网络结合进行故障探索和强化学习，通过蒙特卡洛树为循环神经网络提供数据输入，循环神经网络为蒙特卡洛树的探索和挖掘提供指导来实现循环迭代，优化更新，运行阶段则直接通过将当前系统运行状态数据及前一段时间系统运行状态数据输入循环神经网络来预测下一时刻系统状态及故障概率。