长江水道事故风险预测模型优化

针对支持向量机(support vector machine, SVM)模型在水上交通风险预测中由于其变量较多而导致的计算过程复杂、实用性不强的问题，运用随机森林模型对变量进行重要度排序，利用筛选后的变量构建新的SVM模型。将新模型的分类正确率和可转移性测试结果与原模型的进行比较。结果表明：新模型比原模型的分类正确率提高4.12个百分点；在可转移性测试中新模型分类正确率仍处于较高水平，而且误报率降低2.40个百分点。研究表明新模型计算相对简单，预测效果更优，而且具有普适性特征。