电梯的安全性和可靠性一直是人们高度重视的问题。针对于电梯故障预测领域,目前国内外对于电梯故障预测方面研究的基本思路是根据电梯的故障情况和维护保养记录,对电梯设备进行故障预测。根据用于社区电梯故障预测的电梯故障数据的小样本性质,本文利用小样本数据分析方法进行社区电梯故障外因分析与预测算法研究,主要工作内容如下:一是研究分析影响社区电梯故障的外部因素,选取并计算与电梯故障相关的外因特征值,对社区电梯故障数据集进行预处理,随后利用预处理的电梯故障数据集构建基于融合粒子群寻优算法的电梯故障数据聚类模型,该模型利用经过第一步预处理的社区电梯故障数据集,通过数据聚类得到可类比的电梯群故障数据集;二是利用上述电梯故障数据聚类模型得到的具有可类比性的电梯群故障数据集,采用集成学习boosting算法构建社区电梯故障预测模型,分别对每个电梯群故障数据集进行故障预测训练。根据不同电梯群故障数据集的故障预测结果,构建评价函数算法并进行故障预测效果比较分析,利用故障预测评价指标参数为不同的电梯故障预测学习模型进行排序,最终完成社区电梯故障预测;三是应用上述训练模型算法编写社区电梯故障外因分析与预测软件,进行社区电梯故障预测模型仿真,以调研地区维保企业和96333电梯故障应急处理网络平台积累的社区电梯故障数据为基础,进行社区电梯故障预测,同时将预测与评价结果存储在云数据库端。通过训练学习结果表明,本文构建的社区电梯故障数据聚类以及预测模型,相对于一般回归预测算法,可提高社区电梯故障预测准确率。同时利用不同社区电梯故障预测结果与预测评价结果,可部署下一步维保措施,避免人员伤亡和设备损失,实现安全经济效益的最大化。