公开(公告)号：CN119443786A

公开(公告)日：2025-02-14

申请号：CN202411453591.8

申请日：2024-10-17

Applicant: 大连海事大学

Inventor： 王新建 ,  曹文杰 ,  李天一 ,  王津 ,  王焕新 ,  曹亮

IPC: G06Q10/0635 ,  G06Q50/40 ,  G06F16/2458 ,  G06N5/025

Abstract: 本申请适用于海上交通事故研究领域，提供了海上交通事故的风险影响因素分析方法，所述方法，包括：通过ARM技术，在不同船型海上交通事故调查报告中挖掘出不同船型海上交通事故中风险影响因素间的关联关系；基于所述关联关系，通过CN理论构建不同船型海上交通事故中风险影响因素的风险交互网络，并分析所述风险交互网络的拓扑特征数据；根据所述拓扑特征数据和基于WINGS方法构建的动态分析模型，获取不同船型海上交通事故中风险影响因素间的因果关系；基于所述因果关系和基于AISM方法建立的对抗性层次拓扑模型，确定不同船型海上交通事故中风险影响因素间的因果层次关系。

公开(公告)号：CN119250257A

公开(公告)日：2025-01-03

申请号：CN202411221146.9

申请日：2024-09-02

Applicant: 大连海事大学

Inventor： 王新建 ,  李天一 ,  曹文杰 ,  王津 ,  王焕新 ,  肖仲明

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F18/25 ,  G06F18/24 ,  G06F18/26 ,  G06F18/15 ,  G06F18/214 ,  G06F18/21 ,  G06N20/00

Abstract: 本发明提供一种基于特征工程的海上交通事故严重程度预测方法，包括：根据历史数据中的风险影响因素和事故严重程度，构建海上事故风险影响因素数据集，并对数据进行预处理；通过特征融合算法将影响因素进行耦合，挖掘关联规则；运用SVM‑SMOTE过采样方法进行数据平衡分析，平衡严重事故和非严重事故的样本比例；利用多种机器学习模型对原始影响因素进行训练，通过计算影响因素的重要度，筛选出关键影响因素子集；通过UAR评价指标评估出机器学习模型中的最优模型，利用最优模型，结合S4中的关键影响因素子集预测海上交通事故的严重程度。本发明通过合理搭配预测模型和过采样方法的组合，显著提高了模型性能，为海上事故严重程度的预测提供了全面深刻的见解。