基于机器学习的CNG加气站风险管理研究  

作　　者：刘嘉 

机构地区：[1]中国石油天然气股份有限公司玉门油田公共事务中心

出　　处：《石油石化物资采购》2025年第3期140-142,共3页Petroleum & Petrochemical Material Procurement

摘　　要：本文基于机器学习技术,构建了一个CNG加气站风险预警模型,以提高对潜在风险的识别能力。首先,建立了涵盖人员因素、设备设施因素和安全管理因素的风险预警指标体系,通过特征分析和SMOTE算法处理,成功实现了样本的均衡化。随后,采用决策树、朴素贝叶斯、支持向量机和k近邻四种机器学习分类算法对处理后的样本进行训练和评估。结果表明,均衡样本训练的决策树和支持向量机模型在准确度上表现最佳,均达到了97.83%。而朴素贝叶斯算法的表现相对较差,准确度仅为84.8%。此外,未均衡样本训练的模型虽然在准确率上为92%,但在负样本的预测上存在明显不足。这些结果表明,样本均衡化对于提升模型的预测性能至关重要。

关 键 词：机器学习 CNG加气站 风险管理 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]