基于RF-PSO-LSSVM的高层建筑项目工期风险预测

摘要：

针对高层建筑项目在工期风险预测时样本数据少且特征维度高的特点,建立了利用随机森林(ran-dom forest,RF)算法和粒子群(particle swarm optimization,PSO)算法优化最小二乘支持向量机(least squares support vector machine,LSSVM)的高层建筑项目工期风险预测模型.采用在特征选择方面具有显著优势的RF算法筛选出最佳特征子集;利用PSO算法对LSSVM的正则化参数和核函数参数进行优化;采用精确率、召回率以及F1m值对所建立模型的预测性能进行验证与评估.研究结果表明:用所建立的模型对高层建筑项目进行工期风险预测,平均精确率达到了93.71％,平均召回率达到了94.04％.该模型能够准确预测高层建筑项目工期的风险等级,进一步完善了高层建筑项目工期风险的预测方法,其预测结果可为高层建筑项目控制工期风险提供一定的参考.

关键词：高层建筑项目、工期风险预测、随机森林算法、粒子群算法、最小二乘支持向量机

所属期刊栏目：18

分类号：TU974;TP399(地下建筑)

资助基金：河南省交通厅科技项目;湖南省自然科学基金

在线出版日期：2021-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：49-56