基于随机森林和XGBoost的铁路工期指标预测方法研究 |
| |
引用本文: | 寇智聪.基于随机森林和XGBoost的铁路工期指标预测方法研究[J].电子元器件与信息技术,2022(4):9-13+33. |
| |
作者姓名: | 寇智聪 |
| |
作者单位: | 中铁第五勘察设计院集团有限公司 |
| |
摘 要: | 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。
|
关 键 词: | 铁路工程 工期指标 预测 随机森林 XGBoost |
|