探索船舶事故风险长期预测的关键因素
机器学习
2024-10-29 v1
摘要
因子分析在提升海上安全中起着关键作用。以往大多数研究在事故相关标签预测框架内进行因子分析，所开发的模型可分为短期和长期预测模型。与短期模型相比，长期模型提供了更具战略性的方法，能够实现更主动的风险管理。然而，很少有研究致力于严格识别长期预测的关键因子并进行全面的因子分析。因此，本研究旨在深入探讨在给定特定日期戳的情况下，预测下一年事故风险水平的关键因子。从船舶长达五年的历史安全性能数据中收集了大多数可能影响事故风险的候选因子。提出了一种改进的嵌入式特征选择方法，将随机森林分类器与特征过滤过程相结合，从候选池中识别关键风险贡献因子。结果表明，所提方法在事故预测和因子可解释性方面表现优越。对关键因子进行了全面分析，可帮助海事利益相关者制定事故预防管理策略。
引用
@article{arxiv.2405.19804,
title = {Exploring Key Factors for Long-Term Vessel Incident Risk Prediction},
author = {Tianyi Chen and Hua Wang and Yutong Cai and Maohan Liang and Qiang Meng},
journal= {arXiv preprint arXiv:2405.19804},
year = {2024}
}