三种机器学习分类在LNG泄漏风险评估中的比较

论文摘要

根据LNG储运行业法律法规要求,结合企业真实生产情况和相关专家意见,梳理出LNG泄漏风险评估体系,包括5个一阶评估指标和20个二阶评估指标。对多家真实企业LNG泄漏风险管理及相关后果进行评估,得出37条样本组成的数据集。将该数据集运用核支持向量机、随机森林以及神经网络三种分类模型处理,比较三种机器学习分类模型在分类准确率上的差别;根据分类效果研究相关参数对准确率的影响。结果认为,核支持向量机和神经网络需要进行细致的参数调整以保证较好的准确率,随机森林受到参数影响效果较小。根据分类指标权重的比较提出相应的控制风险对策措施。

论文目录

• 1 评估模型和数据
•   1.1 评估模型
•   1.2 数据处理
• 2 分类模型
•   2.1 核支持向量机
•   2.2 随机森林
•   2.3 神经网络
• 3 分类结果
•   3.1 准确率及调参分析
•   3.2 指标权重分析
• 4 结论

文章来源

类型: 期刊论文

作者: 周德红,李左,尹彬,许渊,伍蒙,陈慧芳

关键词: 核支持向量机,随机森林,神经网络,风险评估

来源: 消防科学与技术 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 石油天然气工业,自动化技术

单位: 武汉工程大学兴发矿业学院

基金: 国家安全生产监督管理总局安全生产重大事故关键技术科技项目(hubei-0008-2015AQ)

分类号: TP18;TE88

页码: 561-565

总页数: 5

文件大小: 2188K

下载量: 156