基于XGBoost的水库大坝基础设施潜在风险评估预测

摘要：

水库大坝基础设施潜在风险评估是水库大坝风险评估体系的重要组成部分,然而水库大坝基础设施数据量大、数据特征多、还存在数据缺失的情况.XGBoost算法作为一种基于决策树的集成算法,在应对大规模含有缺失情况的、具有混合类型的特征数据方面具有独特优势.为了更快速准确地对水库大坝基础设施潜在风险进行评估,提出了一种基于XGBoost的水库大坝设施潜在风险评估预测方法.首先将水库大坝统计数据进行预处理,并用该数据对XGBoost模型进行训练,然后通过GridSearch和Cross-validation计算模型最优参数,最后根据准确率、召回率等精度指标对模型进行评价.预测结果表明:XGBoost在测试集上的准确率达91.26％,相比于其他4 种常规机器模型(随机森林、人工神经网络、最邻近算法、支持向量机)高出 2.12％,5.59％,19.31％,38.65％,满足工程实际的要求.

关键词：水库大坝、风险评估预测、准确率、召回率、XGBoost

所属期刊栏目：54

分类号：TV63(水利枢纽、水工建筑物)

资助基金：中央级公益性科研院所基本科研业务费专项资金资助项目;中央级公益性科研院所基本科研业务费专项资金资助项目

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：241-246