隨著水運行業(yè)的迅速發(fā)展,水上交通安全越發(fā)受到重視。船舶碰撞事故作為水上交通事故中發(fā)生最頻繁、造成損失最嚴重的事故類型之一,其發(fā)生往往會造成較為嚴重的后果。識別船舶碰撞事故嚴重程度的影響因素,構(gòu)建船舶碰撞事故嚴重程度的預測模型,分析各個影響因素對于船舶碰撞事故嚴重程度的影響大小,能夠為船公司完善管理制度、船舶駕駛員應急操縱和海事機構(gòu)制定管理策略提供依據(jù),具有重要的現(xiàn)實意義。本文通過對91份船舶碰撞事故調(diào)查報告的分析,首先提取出船舶碰撞事故嚴重程度的影響因素,建立了考慮不平衡數(shù)據(jù)的支持向量機多分類模型,模型對測試數(shù)據(jù)的預測精度較原始LIBSVM模型有較大的提升。其次使用GA-SVM-RFE算法對于影響因素進行了篩選,獲取了影響因素的最優(yōu)子集為感知階段失誤、被撞船舶種類、碰撞船舶噸位、被撞船舶噸位、被撞船舶船齡、船舶被撞部位、船舶會遇態(tài)勢、碰撞船舶速度、晝夜因素、能見度10個因素,使用最優(yōu)子集構(gòu)建的支持向量機分類模型對于測試數(shù)據(jù)的預測精度可達90%。隨后使用Ordered Probit分析最優(yōu)子集中影響因素對船舶碰撞事故嚴重程度的影響大小,得出最優(yōu)子集中的船舶被撞部位中的船首被撞、被撞船舶船... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

研究技術路線圖

2.2.1 特征選擇方法特征選擇方法也可稱為特征子集選擇或者屬性選擇，是指從現(xiàn)有的特征之中選擇出最優(yōu)的特征子集，使構(gòu)造的模型在分類準確度、預測精度及其他方面有著更為良好的表現(xiàn)。其主要思想是從特征集之中篩選出有用的、重要的、對于模型貢獻度較大的特征屬性，刪除掉沒用的或者不重要的特征。這些不重要的特征一般是指與分類關系較小、或者和其他特征有著相似的性能的冗余特征[43]。在船舶碰撞事故嚴重程度的影響因素選擇中，其從初始的影響因素中選取出最優(yōu)的特征子集，使得建立的分類模型對于測試數(shù)據(jù)的分類識別準確度最高。特征選擇的過程一般是通過某種策略從原始特征集中選擇出一個子集，使用適當?shù)暮瘮?shù)對于選出子集的構(gòu)建的模型進行評估，與相應的停止標準進行對比，如果得到的特征子集能夠滿足停止標準，則停止特征選擇，如未達到該標準，則繼續(xù)進行下去，直至達到停止標準或者迭代次數(shù)得到最大后停止。篩選出最優(yōu)特征子集之后再對其進行驗證，驗證該特征子集的有效性。

圖 3-4 SVM-RFE 算法特征排序流程圖公式中Q( i)表示為第i個特征被移除時所計算的Q的矩陣值。遞將與分類器不相關或者相關性較小的特征先篩選，直至最后得到大的特征排序表，能夠從有限樣本中達到對大量樣本分類的目的于處理樣本數(shù)目少、空間維度高的問題，并優(yōu)化了特征子集，提于 GA-SVM-RFE 的特征選擇向量機遞歸消除算法每一次迭代消除模型中得分最小的影響因素素一個重要度排序，但是其忽略了影響因素之間的相互影響，在，被篩出的影響因素不會再加入到 SVM-RFE 算法流程中，如一類較強的影響因素在前期被篩選出，則難以獲得最優(yōu)的分類準確影響因素子集。因此為篩選出最優(yōu)影響因素子集，應該使用啟發(fā)對影響因素全集進行搜索，獲取出使得模型評價最高的影響因素


本文編號：2906273