基于贝叶斯优化LightGBM模型对历史文化街区的火灾风险预测  

作　　者：杜天 刘中乾 田俊霞 王珺 

机构地区：[1]鲁东大学数学与统计科学学院

出　　处：《数字技术与应用》2024年第11期94-96,共3页Digital Technology & Application

摘　　要：本文提出一种基于贝叶斯超参数优化算法的改进LightGBM模型,并将其用于历史文化街区的火灾风险预测中。首先选取了消防检查频率作为标签,基于最优的参数组合,构建了LightGBM模型,然后使用真实的历史街区数据对模型进行5折交叉验证,用来测试其火灾风险预测效果。在此基础上,调整LightGBM模型的决策树深度和迭代次数,进而对模型进行敏感性测试。实验结果表明,本文提出的模型预测的精确度高达98%,当树深度选取10、迭代次数选取61时,模型的性能最优。

关 键 词：决策树 交叉验证 历史文化街区 火灾风险 消防检查 迭代次数 贝叶斯 参数优化算法 

分 类 号：TU998.1[建筑科学—市政工程] TP18[自动化与计算机技术—控制理论与控制工程]