基于GBDT的铁路事故类型预测及成因分析
文献类型：期刊论文
| 作者 | 钟敏慧; 张婉露; 李有儒; 朱振峰; 赵耀 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:2页码:470-478 |
| 关键词 | 事故类型预测 缺失补全 GBDT 集成学习 成因分析 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190630 |
| 英文摘要 | 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. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56413]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 钟敏慧,张婉露,李有儒,等. 基于GBDT的铁路事故类型预测及成因分析[J]. 自动化学报,2022,48(2):470-478. |
| APA | 钟敏慧,张婉露,李有儒,朱振峰,&赵耀.(2022).基于GBDT的铁路事故类型预测及成因分析.自动化学报,48(2),470-478. |
| MLA | 钟敏慧,et al."基于GBDT的铁路事故类型预测及成因分析".自动化学报 48.2(2022):470-478. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。