文章摘要: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0.70和82%。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、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科学的决策参考。

文章关键词:安全工程,风险预测,机器学习,海上风险,极端梯度提升算法,

论文作者:王清斌 王文亮 赵睿 

作者单位:大连海事大学交通运输工程学院 

论文DOI: 10.13637/j.issn.1009-6094.2021.1040

论文分类号: U698.6

相关文章:心系一线，共战“疫”--智慧交运联防联控产品及应用.....作者:王松松
工业互联网在安全生产中的实践与思考.....作者:刘瀛
地理人工智能进展及在地理文本处理和灾害救援中的应用.....作者:胡英杰
信息技术在安全生产和应急物资保障中的新应用.....作者:朱敏
重特大灾害应急响应与救援处置能力建设.....作者:曲国胜
智慧发电—传统发电行业创新之路.....作者:尹松
桥梁检测与监测新技术.....作者:张宇峰
高速铁路大跨度连续钢桁梁柔性拱桥的施工线形控制技术与实践.....作者:蔺鹏臻

文章来源：《工程与试验》 网址: http://www.gcysyzz.cn/qikandaodu/2021/0904/2343.html