典型文献
基于机器学习的CNG加气站风险预警模型研究
文献摘要：
加气站一旦发生事故,不仅会造成人员伤亡和财产损失,而且也会给周边居民乃至社会带来一定的负面影响.借助机器学习技术,构建CNG加气站风险预警模型,对加气站的风险状态进行预警,实现对事故的事前控制.首先建立了加气站风险预警指标体系,以12座加气站为研究对象,采集指标样本数据,通过大数据分析技术构建训练数据集,并采用SMOTE算法解决了样本不均衡问题;然后分别采用决策树、朴素贝叶斯、SVM、KNN等4种机器学习分类算法构建预警模型.研究证明,采用决策树算法和SVM构建的预警模型准确度均达到97.8％,可以对加气站的风险状态进行有效识别和预警.
文献关键词：
CNG加气站;风险预警;预警指标体系;SMOTE算法;机器学习
中图分类号：
作者姓名：
赵君;寇俊辉;胡灿;张轲
作者机构：
中石化石油机械股份有限公司武汉江钻天然气分公司 武汉430223;中国地质大学(武汉) 武汉430074
文献出处：
引用格式：
[1]赵君;寇俊辉;胡灿;张轲-.基于机器学习的CNG加气站风险预警模型研究)[J].工业安全与环保,2022(05):15-19,81
A类：
B类：
基于机器学习,CNG,加气站,风险预警模型,人员伤亡,财产损失,机器学习技术,事前控制,风险预警指标体系,大数据分析技术,技术构建,训练数据集,SMOTE,样本不均衡,均衡问题,采用决策,朴素贝叶斯,KNN,机器学习分类算法,决策树算法
AB值：
0.237535
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。
