一种基于特征工程的海上交通事故严重程度预测方法技术

本发明专利技术提供一种基于特征工程的海上交通事故严重程度预测方法，包括：根据历史数据中的风险影响因素和事故严重程度，构建海上事故风险影响因素数据集，并对数据进行预处理；通过特征融合算法将影响因素进行耦合，挖掘关联规则；运用SVM‑SMOTE过采样方法进行数据平衡分析，平衡严重事故和非严重事故的样本比例；利用多种机器学习模型对原始影响因素进行训练，通过计算影响因素的重要度，筛选出关键影响因素子集；通过UAR评价指标评估出机器学习模型中的最优模型，利用最优模型，结合S4中的关键影响因素子集预测海上交通事故的严重程度。本发明专利技术通过合理搭配预测模型和过采样方法的组合，显著提高了模型性能，为海上事故严重程度的预测提供了全面深刻的见解。

【技术实现步骤摘要】

本专利技术涉及海上事故预测，具体而言，尤其涉及一种基于特征工程的海上交通事故严重程度预测方法。

技术介绍

1、近年来，随着人工智能技术的发展，机器学习(ml)被广泛应用于分析并预测海事事故。机器学习模型可以利用大量数据或以往经验，自动学习和优化模型，以最大程度地准确分析海事事故。海事事故数据往往包括大量的样本以及复杂的数据信息。这使得常规的统计方法预测结果不够准确。机器学习在识别影响事故发生的风险影响因素和预测事故频率方面比传统研究方法要有效得多。机器学习具有一定的泛化能力，能够更好地处理这些复杂的数据模式，适用于解决高维度特征下的事故严重程度预测问题。然而，如何利用最少的特征来预测更准确的结果是提高海上事故预测的关键科学问题。

2、特征工程是指在机器学习中提取出对模型有用的特征的过程，直接影响了模型的性能和效果。合适的特征工程技术可以帮助优化模型的输入数据，使输入数据更容易被模型理解，最终提高机器学习模型的性能。因此，融合特征工程技术的机器学习模型能够更准确地预测海事事故严重程度。在现有研究中，许多研究仅仅关注单一因素对海事事故严重程度的影响本文档来自技高网...

【技术保护点】

1.一种基于特征工程的海上交通事故严重程度预测方法，其特征在于，包括：

2.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤S1具体包括：

3.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤S2具体包括：

4.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤S3具体包括：

5.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤S4具体包括：

6.根据权利要求1所述的基于特征工程的海上交通...

【技术特征摘要】

1.一种基于特征工程的海上交通事故严重程度预测方法，其特征在于，包括：

2.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤s1具体包括：

3.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤s2具体包括：

4.根据权利要求1所述的基于特征工程的海上交通事故严重程度预测方法，其特征在于，所述步骤s3具体包括：

【专利技术属性】
技术研发人员：王新建，李天一，曹文杰，王津，王焕新，肖仲明，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人