技術(shù)特征：

1.一種基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述步驟s1具體包括：

3.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述步驟s2具體包括：

4.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述步驟s3具體包括：

5.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述步驟s4具體包括：

6.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述機器學(xué)習(xí)模型包括：logistic?regression、gbdt、xgboost以及l(fā)ightgbm，其中：

7.根據(jù)權(quán)利要求1所述的基于特征工程的海上交通事故嚴重程度預(yù)測方法，其特征在于，所述步驟s5具體包括：

技術(shù)總結(jié)
本發(fā)明提供一種基于特征工程的海上交通事故嚴重程度預(yù)測方法，包括：根據(jù)歷史數(shù)據(jù)中的風(fēng)險影響因素和事故嚴重程度，構(gòu)建海上事故風(fēng)險影響因素數(shù)據(jù)集，并對數(shù)據(jù)進行預(yù)處理；通過特征融合算法將影響因素進行耦合，挖掘關(guān)聯(lián)規(guī)則；運用SVM?SMOTE過采樣方法進行數(shù)據(jù)平衡分析，平衡嚴重事故和非嚴重事故的樣本比例；利用多種機器學(xué)習(xí)模型對原始影響因素進行訓(xùn)練，通過計算影響因素的重要度，篩選出關(guān)鍵影響因素子集；通過UAR評價指標評估出機器學(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)測海上交通事故的嚴重程度。本發(fā)明通過合理搭配預(yù)測模型和過采樣方法的組合，顯著提高了模型性能，為海上事故嚴重程度的預(yù)測提供了全面深刻的見解。

技術(shù)研發(fā)人員：王新建,李天一,曹文杰,王津,王煥新,肖仲明
受保護的技術(shù)使用者：大連海事大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6