典型文献
基于随机森林和XGBoost的铁路工期指标预测方法研究
文献摘要：
铁路工期指标为组织铁路施工提供了基础数据支撑.为准确预测铁路工期指标,本文提出了一种基于随机森林(RF)和XGBoost的工期指标预测方法.借助RF的特性对影响因素的重要程度进行排序,结合后向特征消除法剔除不重要的因素,得到工期指标预测的最优影响因素集,在此基础上构建了基于XGBoost的预测模型,对工期指标进行预测.以某隧道项目作为案例进行分析验证,结果显示,本文所提出的RF-XGBoost方法可以有效地去除无关因素,相比多元线性回归和神经网络等方法,预测结果精度更高,即为工期指标预测提供了一种快速有效的方法.
文献关键词：
铁路工程;工期指标;预测;随机森林;XGBoost
中图分类号：
作者姓名：
寇智聪
作者机构：
中铁第五勘察设计院集团有限公司,北京,102600
文献出处：
引用格式：
[1]寇智聪-.基于随机森林和XGBoost的铁路工期指标预测方法研究)[J].电子元器件与信息技术,2022(04):9-13,33
A类：
工期指标
B类：
XGBoost,指标预测,铁路施工,准确预测,RF,重要程度,除法,不重,影响因素集,隧道项目,分析验证,即为,快速有效,铁路工程
AB值：
0.191464
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
