典型文献
面向小样本安全生产数据的事故集成预警模型
文献摘要：
现有事故预警模型多依赖大量数据训练,而许多中小企业的安全生产数据积累不足.为了利用少量样本数据训练出相对精确的事故集成预警模型,首先,运用合成少数类过采样(SMOTE)算法对小样本数据进行预处理;其次,基于相关数据训练单个机器学习算法,选择最优机器算法作为集成方法的基分类器;同时,利用特征重要性优化企业事故预警指标;最后,通过投票法、装袋法、提升法、堆叠法4种集成方法进行拟合,提高企业事故预警模型精度.结果表明:SMOTE方法能较好地模拟出企业事故预警数值,增加其数据量,较好地解决了小样本数据不平衡问题.此外,在基于4种集成方法的企业事故预警模型的比较中,发现基于装袋法的企业事故集成预警模型拟合效果最佳,测试精度可达到88.46％.
文献关键词：
安全工程;企业事故预警;小样本统计;SMOTE算法;集成方法
中图分类号：
作者姓名：
段在鹏;张灿;谢汉青;黄月铃;李帆
作者机构：
福州大学环境与资源学院,福州350108;中铝东南材料院科技有限公司,福州350015
文献出处：
引用格式：
[1]段在鹏;张灿;谢汉青;黄月铃;李帆-.面向小样本安全生产数据的事故集成预警模型)[J].安全与环境学报,2022(01):51-57
A类：
企业事故预警,装袋法
B类：
生产数据,集成预警,预警模型,有事,数据训练,中小企业,数据积累,少量样本,练出,少数类,过采样,SMOTE,小样本数据,机器学习算法,机器算法,集成方法,基分类器,特征重要性,预警指标,投票法,提升法,堆叠,模型精度,模拟出,数据量,数据不平衡,不平衡问题,模型拟合,拟合效果,测试精度,安全工程,小样本统计
AB值：
0.294487
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。
