基于XGBoost算法的地下综合管廊安全状况评估方法

摘要

针对地下综合管廊安全状况复杂、风险评估困难的问题,提出了一种基于XGBoost算法的安全状况评估方法,利用地下综合管廊数据构建模型。首先,对采集到的地下综合管廊数据进行异常值检测、缺失值处理,用描述性统计与特征组合的方法构造统计特征以及交叉特征;其次,使用逻辑回归(LR)、随机森林(RF)、最近邻分类器(NC)、支持向量机(SVM)算法、XGBoost算法构建安全评估模型;最后,使用贝叶斯算法对模型参数进行优化。实验结果表明,优化后的XGBoost相较于LR、RF、NC、SVM构建的模型在地下综合管廊的安全评估上具有更高的准确率,最高可达0.9209。