基于随机森林和XGBoost的铁路工期指标预测方法研究

铁路工期指标为组织铁路施工提供了基础数据支撑。为准确预测铁路工期指标，本文提出了一种基于随机森林(RF)和XGBoost的工期指标预测方法。借助RF的特性对影响因素的重要程度进行排序，结合后向特征消除法剔除不重要的因素，得到工期指标预测的最优影响因素集；在此基础上构建了基于XGBoost的预测模型，对工期指标进行预测。以某隧道项目作为案例进行分析验证，结果显示，本文所提出的RF-XGBoost方法可以有效地去除无关因素，相比多元线性回归和神经网络等方法，预测结果精度更高，即为工期指标预测提供了一种快速有效的方法。