支持向量机决策树在隐患预警模型中的应用.pdf

计 算 机 系 统 应 用 http：llwww．c—S—a．org．ca 2017年 第26卷 第 2期 支持向量机决策树在隐患预警模型中的应用① 闰晓静 ，一，于 放 ，孙 咏2 肖卡飞 ，一，王 嵩 (中国科学院大学，北京 100049) f中国科学院 沈阳计算技术研究所，沈阳 110168) 摘 要：危化企业的安全监控数据具有社会价值，对安全隐患进行实时精确的预测是预警研究的热点，本文从 人、设备、环境和管理四个维度出发，对安全生产隐患预警的相关指标进行分析，构建隐患预警指标体系，在此 基础上，构建了白底向上的基于支持 向量机的决策树多分类预警模型，实现对安全等级的的准确分类并用于预 警未来的安全生产状态，通过与 白顶 向下的多分类模型 比较，证实本文所采用的预警模型具有较好的实时性和 精确度，满足对预警模型的基本要求． 关键词：预警模型；支持向量机；决策树 RiskEarly-W arningM odelBasedonSVM DecisionTree YAN Xiao—Jing，一，YU Fang，SUN Yong，XIAO Ka—Fei’。，WANG Song (UniversityofChineseAcademyofSciences，Beijing100049，China) (ShenyangInstituteofComputingTechnology,ChineseAcademyofSciences，Shenyang110168，China) Abstract：ThesecuritymonitoringdataofDangerouschemicalsbusinesshasgreatsocialvalue，especiallyreal—time accuratepredictionofthesecurityriskhasbecomeahotwarningresearch．From theview offour dimensionswhichare people，equipment，theenvironmentandmanagement，thisarticleanalyzestherelevantindicatorsofsafety hazards warning，constructsthebottom—up decision treebased on multi-classification SVM warning model，constructsa bottom—up decision treeSVM multi—classificationmodelbasedon earlywarning，to achievethesecurity levelof accurateclassificationandforfutureproductionsafeytstatuswarning．Bycomparisonwithmoretop—downclassification model，itconfirmsthatearlywarningmodelusedinthispaperhasbetterperformanceinreal—timeandaccuracy,and meetsthebasicrequirementsofearlywarningmodels． Keywords：eraly-warningmodel；SVM ；decisionrtee 1 引言 期监测的数据资源 比如生产状态数据、隐患排查整改 我国危化企业规模庞大，安全指数参差不齐，并 以及持续不断完善的安全评估标准等未能充分利用． 且涵盖的危化品种类繁多．因此，造成从产品的生产、 而这些数据基础为利用数据挖掘技术进行预警技术研 存储、运输到经销、使用等环节中隐患重重．其中，受 究提供了条件． 生产力发展水平、从业人员素质、安全生产条件等因 随着人工智能技术的研究不断深入，智能模型如 素的制约，危化 品生产安全事故发生情况尤其突出． 神经网络3[1、支持向量机4【]、分类树等被广泛应用在各 目前，在危化品生产 中，越来越多地增加了安监预警 行各业的风险预警中，周健等将多元判断分析预警模 机制，通过利用采集到的生产状态监督数据，归纳隐