本發(fā)明涉及海上事故預(yù)測(cè)，具體而言，尤其涉及一種基于特征工程的海上交通事故嚴(yán)重程度預(yù)測(cè)方法。

背景技術(shù)：

1、近年來(lái)，隨著人工智能技術(shù)的發(fā)展，機(jī)器學(xué)習(xí)(ml)被廣泛應(yīng)用于分析并預(yù)測(cè)海事事故。機(jī)器學(xué)習(xí)模型可以利用大量數(shù)據(jù)或以往經(jīng)驗(yàn)，自動(dòng)學(xué)習(xí)和優(yōu)化模型，以最大程度地準(zhǔn)確分析海事事故。海事事故數(shù)據(jù)往往包括大量的樣本以及復(fù)雜的數(shù)據(jù)信息。這使得常規(guī)的統(tǒng)計(jì)方法預(yù)測(cè)結(jié)果不夠準(zhǔn)確。機(jī)器學(xué)習(xí)在識(shí)別影響事故發(fā)生的風(fēng)險(xiǎn)影響因素和預(yù)測(cè)事故頻率方面比傳統(tǒng)研究方法要有效得多。機(jī)器學(xué)習(xí)具有一定的泛化能力，能夠更好地處理這些復(fù)雜的數(shù)據(jù)模式，適用于解決高維度特征下的事故嚴(yán)重程度預(yù)測(cè)問(wèn)題。然而，如何利用最少的特征來(lái)預(yù)測(cè)更準(zhǔn)確的結(jié)果是提高海上事故預(yù)測(cè)的關(guān)鍵科學(xué)問(wèn)題。

2、特征工程是指在機(jī)器學(xué)習(xí)中提取出對(duì)模型有用的特征的過(guò)程，直接影響了模型的性能和效果。合適的特征工程技術(shù)可以幫助優(yōu)化模型的輸入數(shù)據(jù)，使輸入數(shù)據(jù)更容易被模型理解，最終提高機(jī)器學(xué)習(xí)模型的性能。因此，融合特征工程技術(shù)的機(jī)器學(xué)習(xí)模型能夠更準(zhǔn)確地預(yù)測(cè)海事事故嚴(yán)重程度。在現(xiàn)有研究中，許多研究?jī)H僅關(guān)注單一因素對(duì)海事事故嚴(yán)重程度的影響，而忽視了多種因素之間的耦合作用。同時(shí)，大多數(shù)研究沒(méi)有注意到數(shù)據(jù)不平衡問(wèn)題，預(yù)測(cè)模型性能仍有可提高的空間。最后，大多數(shù)研究中模型的使用較為單一，缺乏多種預(yù)測(cè)模型性能的比較。

技術(shù)實(shí)現(xiàn)思路

1、根據(jù)上述提出的技術(shù)問(wèn)題，針對(duì)當(dāng)前海上事故嚴(yán)重性預(yù)測(cè)研究不足的現(xiàn)狀，以預(yù)防嚴(yán)重海上事故及提供安全的海洋環(huán)境為目標(biāo)，而提供一種基于特征工程的海上交通事故嚴(yán)重程度預(yù)測(cè)方法。從安全系統(tǒng)工程角度分析相關(guān)的海上事故調(diào)查報(bào)告，以識(shí)別風(fēng)險(xiǎn)影響因素并建立事故嚴(yán)重程度標(biāo)簽，并在此基礎(chǔ)上提出了一種三階段的特征工程方法。第一階段利用特征融合方法，將多個(gè)相互關(guān)聯(lián)的風(fēng)險(xiǎn)影響因素簡(jiǎn)化為一個(gè)綜合因素。第二階段，采用svm-smote方法，解決原始數(shù)據(jù)中類(lèi)別不平衡的問(wèn)題。第三階段，使用基于預(yù)測(cè)模型的特征選擇方法，篩選出對(duì)預(yù)測(cè)模型有積極影響的特征。針對(duì)該特征工程的輸出，利用多種先進(jìn)的機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測(cè)，并選擇出了最優(yōu)的預(yù)測(cè)器。同時(shí)進(jìn)行了一系列消融實(shí)驗(yàn)，驗(yàn)證了特征工程方法內(nèi)各模塊對(duì)整體模型性能的貢獻(xiàn)。最終，對(duì)關(guān)鍵風(fēng)險(xiǎn)影響因素進(jìn)行解釋和分析，以了解控制特定風(fēng)險(xiǎn)影響因素的顯著益處。

2、本發(fā)明采用的技術(shù)手段如下：

3、一種基于特征工程的海上交通事故嚴(yán)重程度預(yù)測(cè)方法，包括：

4、s1、根據(jù)歷史數(shù)據(jù)中的風(fēng)險(xiǎn)影響因素和事故嚴(yán)重程度，構(gòu)建海上事故風(fēng)險(xiǎn)影響因素?cái)?shù)據(jù)集，并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

5、s2、通過(guò)特征融合算法將s1中的影響因素進(jìn)行耦合，挖掘關(guān)聯(lián)規(guī)則；

6、s3、運(yùn)用svm-smote過(guò)采樣方法進(jìn)行數(shù)據(jù)平衡分析，平衡嚴(yán)重事故和非嚴(yán)重事故的樣本比例；

7、s4、利用多種機(jī)器學(xué)習(xí)模型對(duì)原始影響因素進(jìn)行訓(xùn)練，通過(guò)計(jì)算影響因素的重要度，篩選出關(guān)鍵影響因素子集；

8、s5、通過(guò)uar評(píng)價(jià)指標(biāo)評(píng)估出機(jī)器學(xué)習(xí)模型中的最優(yōu)模型，利用最優(yōu)模型，結(jié)合s4中的關(guān)鍵影響因素子集預(yù)測(cè)海上交通事故的嚴(yán)重程度。

9、進(jìn)一步地，所述步驟s1具體包括：

10、所述海上事故風(fēng)險(xiǎn)影響因素?cái)?shù)據(jù)集通過(guò)提取海上事故數(shù)據(jù)集的歷史數(shù)據(jù)，并標(biāo)注事故嚴(yán)重性，提取事故特征的方法構(gòu)建，所述海上事故風(fēng)險(xiǎn)影響因素?cái)?shù)據(jù)集將每起事故的風(fēng)險(xiǎn)影響因素作為事故特征，將事故的嚴(yán)重程度標(biāo)簽作為目標(biāo)類(lèi)別；所述數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗和對(duì)數(shù)據(jù)進(jìn)行獨(dú)熱編碼，所述數(shù)據(jù)清洗包括填充缺失值、替換異常值以及刪除重復(fù)值，所述獨(dú)熱編碼將離散的多類(lèi)別屬性轉(zhuǎn)換為二進(jìn)制。

11、進(jìn)一步地，所述步驟s2具體包括：

12、關(guān)聯(lián)規(guī)則挖掘，通過(guò)挖掘數(shù)據(jù)集中的頻繁項(xiàng)集，從而發(fā)現(xiàn)與事故嚴(yán)重程度有關(guān)的關(guān)聯(lián)規(guī)則，利用fp-growth算法挖掘頻繁項(xiàng)集：

13、

14、

15、

16、其中，x和y代表影響因素的項(xiàng)集，x→y代表從項(xiàng)集x到項(xiàng)集y的關(guān)聯(lián)規(guī)則，transactions?containing?x指包含x項(xiàng)集的事務(wù)數(shù)，total?transactions表示事務(wù)總數(shù)，support代表支持度，即項(xiàng)集在所有事務(wù)中出現(xiàn)的頻率，confidence(x→y)表示已經(jīng)包含項(xiàng)集x的情況下，包含項(xiàng)集y的概率，life(x→y)代表在給定項(xiàng)集x出現(xiàn)的情況下，項(xiàng)集y出現(xiàn)的概率提高的程度；

17、將具有關(guān)聯(lián)規(guī)則的影響因素進(jìn)行特征融合，將相關(guān)特征融合成一個(gè)新的特征。

18、進(jìn)一步地，所述步驟s3具體包括：

19、采用svm-smote采樣平衡數(shù)據(jù)方法，進(jìn)行數(shù)據(jù)平衡分析，結(jié)合svm分類(lèi)器和smote算法，增強(qiáng)對(duì)少數(shù)類(lèi)樣本的關(guān)注程度；

20、給定一個(gè)少數(shù)類(lèi)樣本xi和隨機(jī)選取的近鄰xzi，生成新樣本xnew：

21、xnew＝xi+δ×(xzi-xi)

22、使用新樣本和原始樣本訓(xùn)練svm分類(lèi)器，svm分類(lèi)器的目標(biāo)函數(shù)為：

23、

24、其中，δ是介于[0,1]之間的隨機(jī)數(shù)，w是決策平面法向量，b是偏置項(xiàng)，ξi是松弛變量，c是懲罰參數(shù)。

25、進(jìn)一步地，所述步驟s4具體包括：

26、通過(guò)計(jì)算特征重要度評(píng)估特征的貢獻(xiàn)程度，選擇出最具代表性的特征子集，特征重要度的計(jì)算公式為：

27、

28、其中，importance(xj)代表特征xj的重要性，m是梯度提升樹(shù)集成中的樹(shù)的數(shù)量；l代表葉子節(jié)點(diǎn)的數(shù)量；vt代表與節(jié)點(diǎn)t相關(guān)的特征；g是在節(jié)點(diǎn)t處分裂導(dǎo)致平方損失減少的量；

29、利用特征子集建立預(yù)測(cè)模型，邏輯回歸模型采用coefficients表示每個(gè)特征對(duì)于模型的貢獻(xiàn)，coefficients的計(jì)算公式為：

30、

31、其中，m是樣本數(shù)量，xi是第i個(gè)樣本的特征向量，yi是第i個(gè)樣本的標(biāo)簽，hθ(xi)是sigmoid函數(shù)。

32、進(jìn)一步地，所述機(jī)器學(xué)習(xí)模型包括：logistic?regression、gbdt、xgboost以及l(fā)ightgbm，其中：

33、所述logistic?regression分類(lèi)算法，通過(guò)將線性回歸模型的輸出經(jīng)過(guò)邏輯函數(shù)映射到0和1之間，預(yù)測(cè)樣本屬于某個(gè)類(lèi)別的概率，通過(guò)最大化似然函數(shù)或最小化損失函數(shù)來(lái)擬合訓(xùn)練數(shù)據(jù)；

34、所述gbdt集成學(xué)習(xí)算法，通過(guò)串行地訓(xùn)練多個(gè)決策樹(shù)模型，每個(gè)模型修正前一個(gè)模型的錯(cuò)誤，在每一輪迭代中，gbdt會(huì)計(jì)算損失函數(shù)的負(fù)梯度，作為下一個(gè)決策樹(shù)模型的訓(xùn)練目標(biāo)，通過(guò)加權(quán)組合多個(gè)樹(shù)模型的預(yù)測(cè)結(jié)果，得到集成模型；

35、所述xgboost集合學(xué)習(xí)方法，使用基于二階泰勒擴(kuò)展的梯度提升方法，針對(duì)訓(xùn)練不足的樣本，不斷調(diào)整實(shí)際樣本的標(biāo)簽；

36、所述lightgbm是基于梯度提升和二階泰勒擴(kuò)展的預(yù)測(cè)模型，使用了直方圖優(yōu)化算法和基于梯度的單邊采樣技術(shù)，同時(shí)結(jié)合最大深度限制策略防止過(guò)擬合。

37、進(jìn)一步地，所述步驟s5具體包括：

38、采用uar評(píng)價(jià)指標(biāo)，對(duì)每個(gè)類(lèi)別給予相同的權(quán)重，針對(duì)不同機(jī)器學(xué)習(xí)模型，以u(píng)ar分?jǐn)?shù)的變化表明不同機(jī)器學(xué)習(xí)模型的預(yù)測(cè)性能指標(biāo)，計(jì)算公式如下：

39、

40、其中，qc是類(lèi)別c的數(shù)量，recall表示召回率；

41、利用預(yù)測(cè)性能最高的機(jī)器學(xué)習(xí)模型和特征子集對(duì)影響因素所能達(dá)到的預(yù)防嚴(yán)重事故的效益進(jìn)行評(píng)估。

42、較現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

43、本發(fā)明提供的基于特征工程的海上交通事故嚴(yán)重程度預(yù)測(cè)方法，提出了新的預(yù)測(cè)海事事故嚴(yán)重程度框架。通過(guò)采用先進(jìn)的特征工程方法以及多種機(jī)器學(xué)習(xí)模型，提高了海事事故嚴(yán)重程度預(yù)測(cè)的準(zhǔn)確性。本發(fā)明對(duì)海事行業(yè)的各方利益相關(guān)者和研究人員具有重大的實(shí)際意義。本發(fā)明提出的特征工程方法對(duì)海事事故數(shù)據(jù)進(jìn)行了有效處理和分析，顯著提高了海事事故數(shù)據(jù)的利用率和預(yù)測(cè)準(zhǔn)確性。特征工程方法不僅為機(jī)器學(xué)習(xí)模型預(yù)測(cè)海上事故嚴(yán)重程度提供了重要的鋪墊，該框架中所運(yùn)用的方法以及結(jié)構(gòu)設(shè)計(jì)還可以作為一種通用特征工程，為特征處理方法構(gòu)建提供了新思路。此外，本發(fā)明提出的特征融合方法能夠更好地識(shí)別和理解海事事故的關(guān)鍵影響因素，可以幫助深入理解海事事故風(fēng)險(xiǎn)演化模式。結(jié)合事故嚴(yán)重程度預(yù)測(cè)模型對(duì)海事事故進(jìn)行分析，可以幫助海事安全管理人員完善具有針對(duì)性的船舶安全管理制度，最終降低發(fā)生事故的風(fēng)險(xiǎn)，減少海事事故發(fā)生的概率。

44、從實(shí)用價(jià)值方面來(lái)看，首先，相關(guān)部門(mén)可以應(yīng)用本發(fā)明提出的事故嚴(yán)重程度預(yù)測(cè)模型及時(shí)獲得預(yù)警信息，迅速采取最有效的行動(dòng)，減少事故造成的損失。并且可以根據(jù)預(yù)測(cè)結(jié)果優(yōu)化救援資源的調(diào)度，合理安排人員和物資的分配，確保救援行動(dòng)的有效性，最大程度地減少人員傷亡和財(cái)產(chǎn)損失。其次，本發(fā)明的成果為海上事故調(diào)查機(jī)構(gòu)或?qū)＜姨峁┝擞锌茖W(xué)依據(jù)支撐的調(diào)查技術(shù)，為進(jìn)一步完善海事事故調(diào)查的流程和方法提供技術(shù)支持。最后，本發(fā)明還可以為學(xué)生提供更多的實(shí)踐教學(xué)機(jī)會(huì)，如模擬事故場(chǎng)景的教學(xué)材料以及實(shí)踐活動(dòng)。這可以幫助學(xué)生將理論知識(shí)應(yīng)用到實(shí)際情境中，培養(yǎng)他們?cè)趶?fù)雜的海事情景中解決實(shí)際問(wèn)題的能力。

45、基于上述理由本發(fā)明可在海上事故預(yù)測(cè)領(lǐng)域廣泛推廣。