基于地铁施工事故案例的机器学习灾害预测方法

• 作者: 吴成宇 项薇 韩乐琦 何淑波 石钟淼 黄益槐
• 来源期刊: 数学的实践与认识
• 关键词: 灾害预测 机器学习 算法比较 XGBoost
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 管理科学|Management Science
• 页码范围: 92-102
• 页数: 11页
• 语种: 中文

摘要

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％.