面向液氨泄漏应急救援区域的XGBoost预测方法研究
Research on XGBoost predictionmethod for emergency rescue area ofliquid ammonia leakage作者机构:中国计量大学质量与安全工程学院杭州310018
出 版 物:《安全与环境学报》 (Journal of Safety and Environment)
年 卷 期:2023年第23卷第5期
页 面:1482-1489页
核心收录:
学科分类:08[工学] 0837[工学-安全科学与工程]
主 题:公共安全 应急救援 液氨泄漏 机器学习 极端梯度提升
摘 要:液氨发生泄漏事故后,随着扩散距离的增加,会对人员和环境造成严重的危害。为便于发生泄漏事故后,快速展开应急救援工作,对液氨泄漏事故应急救援区域预测方法开展研究。通过PHAST(Process Hazard Analysis Software Tool)软件模拟液氨泄漏事故工况,建立基于极端梯度提升(Extreme Gradient Boosting XGBoost)的液氨泄漏应急救援区域预测模型。利用网格搜索结合K折交叉验证进行超参数调优,并与随机森林、决策树模型性能进行对比分析。研究结果显示:以预测ERPG 2标准下液氨泄漏扩散距离为例,XGBoost模型预测性能最佳;与决策树和随机森林相比,XGBoost模型的EMAPE分别减少了4.19个百分点和2.37个百分点,ERMSE分别减少了66.74和2.93;基于优化后XGBoost模型液氨泄漏事故应急救援区域预测模型,预测结果R2为0.9978,ERMSE为50.37,EMAPE为2.61%,基本满足工程实践应用。