基于改进XGBoost算法的船舶事故风险与类型预测

作     者：王清斌 王文亮 赵睿 WANG Qing-bin;WANG Wen-liang;ZHAO Rui

作者机构：大连海事大学交通运输工程学院辽宁大连116026 

出 版 物：《安全与环境学报》 (Journal of Safety and Environment)

年 卷 期：2022年第22卷第6期

页      面：3227-3234页

核心收录：

学科分类：08[工学] 0837[工学-安全科学与工程] 

主　　题：安全工程 风险预测 机器学习 海上风险 极端梯度提升算法 

摘      要：为科学合理地对船舶进行安全管理,就船舶安全问题的特点,建立带有海洋气象特征的事故数据集。针对数据类别不均衡问题,在比较多种机器学习算法后,用具有代价敏感的损失函数改进XGBoost算法求解。结果表明:改进后的模型AUC值和预测正确率有了明显提高,可达0.7085和81.51%。相比于其他方法,模型的可解释更高,能更好地揭示风险因素与船舶风险之间的交互关系。最后,对提取到的载重吨、航行海域和船员数等重要风险因素进行偏依赖关系分析,针对性地提出管理意见并通过实例加以说明,为航运公司及海事局等相关组织提供决策参考。