-
题名基于XGBoost的城市污水管道缺陷发生概率预测
- 1
-
-
作者
马辉
贺鹰霞
陈杨杨
-
机构
天津城建大学经济与管理学院
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第11期163-171,共9页
-
基金
教育部人文社科项目(22YJCZH022)
天津市研究生科研创新项目(2022SKYZ330)。
-
文摘
为提高城市污水管道缺陷检测效率,减少地毯式检测带来的资源浪费,降低环境安全风险,利用极致梯度提升(XGBoost)模型预测城市污水管道缺陷发生概率。首先,统计分析污水管道缺陷成因,筛选出能够表征管道缺陷状况的关键性指标,作为XGBoost模型的输入;其次,选择合适的目标函数和基学习器参数,利用网格搜索算法寻优基学习器的关键参数,完成模型训练和优化;最后,以广东省中山市某区域污水管网数据为例,验证XGBoost模型的有效性,根据模型输出寻找影响缺陷发生的主要因素和路径,并将区域内污水管网的缺陷发生概率划分出4个不同等级后进行可视化展示。结果表明:XGBoost模型在10折交叉验证下的曲线下面积(AUC)均值达到0.97,模型的预测准确率为93%;管道埋深、坡度和长度3个特征对管道缺陷发生概率变化的影响程度最高;当管长增加,坡度越大、埋深越浅,污水管道发生缺陷的概率会随之增长。
-
关键词
极致梯度提升(XGBoost)
城市污水管道
缺陷发生概率
决策树
预测模型
-
Keywords
eXtreme Gradient Boosting(XGBoost)
urban sewage pipelines
defect probability
decision tree
prediction model
-
分类号
X928.03
[环境科学与工程—安全科学]
-
