长江水道事故风险预测模型优化 |
| |
引用本文: | 丁振国,张树奎,胡甚平.长江水道事故风险预测模型优化[J].上海海事大学学报,2022(1):66-70. |
| |
作者姓名: | 丁振国 张树奎 胡甚平 |
| |
作者单位: | 1. 江苏海事职业技术学院航海技术学院;2. 上海海事大学商船学院 |
| |
基金项目: | 江苏高校“青蓝工程”(2019); |
| |
摘 要: | 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。
|
关 键 词: | 长江水道 风险预测 随机森林 支持向量机 机器学习 |
|
|