基于PSO改进RF算法的安全到位准确度自动预测模型

摘要

以提升安全到位预测的准确性为目的，针对单一随机森林(random forest, RF)在处理高度复杂与不确定性数据时的局限性，引入粒子群算法(particle swarm optimization, PSO)优化RF模型，构建PSO改进RF的安全到位自动预测模型。识别包括设备状态、人员操作、环境因素等在内的关键影响因素，并据此设计涵盖安全管理制度、安全管理机构、安全生产技术、安全设备投入及文明作业等多维度预测指标体系。利用RF算法构建初步预测模型，并采用PSO对RF模型的参数进行优化，以提升预测的精准性和泛化能力。以上述指标体系数据作为输入，实现安全到位准确度自动预测。实验结果显示，采用所提方法构建的安全到位自动预测模型，在预测精准性上实现了显著提升，预测结果与实际安全责任制情况高度一致，验证了该方法在实际应用中的可行性和有效性。

关键词

随机森林算法 / 决策树 / 自动预测模型 / 粒子群算法 / 准确度预测 / 安全到位预测

基金资助

中国南方电网公司总部级科技项目(031900KK52200024)