基于CART回归树模型的变电站施工安全事故分析与预测

摘要

在当前的变电站施工过程中，主要通过数据包络分析过程预测安全事故，忽略了表征信息中的不确定性，导致预测结果的选取受试者工作特征曲线下面积(AUC)值较低.针对这一问题，本研究应用分类回归树(CART)模型，设计了一种新的变电站施工安全事故分析与预测方法.首先，利用固定型、移动型采集技术相结合的方式，采集变电站施工现场数据，并通过主成分分析算法进行筛选处理.然后，深入分析变电站施工安全事故发生过程，通过基于概率分布的可分性判据，提取施工安全事故前兆特征.最后，利用CART模型构建施工安全事故根节点，再使用支持向量机(SVM)回归算法建立叶节点，形成可用于施工安全事故预测的最优决策树.通过迭代训练多个串联的CART模型实现梯度提升，应用该模型即可得到准确的事故预测结果.实验结果表明：该预测方法灵敏度更高，能够预测出更多的安全事故，并且该预测方法的AUC值高达0.91,具有更高的预测精度.

关键词

分类回归树 / 变电站施工 / 安全事故 / 预测 / 特征分类 / 支持向量机