基于GBDT的铁路事故类型预测及成因分析

摘要：

运用数据挖掘技术进行铁路事故类型预测及成因分析,对于建立铁路事故预警机制具有重要意义.为此,本文提出一种基于梯度提升决策树(Grandient boosting decision tree,GBDT)的铁路事故类型预测及成因分析算法.针对铁路事故记录数据缺失的问题,提出一种基于属性分布概率的补全算法,最大程度保持原有数据分布,从而降低数据缺失对事故类型预测造成的影响.针对铁路事故记录数据类别失衡的问题,提出一种集成的GBDT模型,完成对事故类型的鲁棒性预测.在此基础上,根据GBDT预测模型中特征重要度排序,实现事故成因分析.通过在开放数据库上进行实验,验证了本文模型的有效性.

关键词：事故类型预测;缺失补全;GBDT;集成学习;成因分析

所属期刊栏目：48

资助基金：科技创新新一代人工智能重大项目;中央高校基本科研业务费;国家自然科学基金;国家自然科学基金

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：470-478