基于地铁施工事故案例的机器学习灾害预测方法
针对城市轨道交通施工事故的频繁发生,建立了基于地铁施工事故案例的机器学习灾害预测模型.通过收集过往地铁施工事故案例建立数据集,引入天气气象、水文地质、周边环境、施工因素等外部风险源做为特征,分析决策树、随机森林、SVM、XGBoost等灾害预测模型对施工事故的预测能力.结果 表明经过网格搜索后XGBoost的预测效果明显高于其他模型,其宏平均AUC值、微平均AUC值分别达到0.7564和0.8624相较于位列第二的模型分别高出0.87％和12.99％.
灾害预测;机器学习;算法比较;XGBoost
52
宁波市自然科学基金202000061
2022-02-25（万方平台首次上网日期，不代表论文的发表时间）
共11页
92-102
