基于随机森林和XGBoost的铁路工期指标预测方法研究

摘要：

铁路工期指标为组织铁路施工提供了基础数据支撑.为准确预测铁路工期指标,本文提出了一种基于随机森林(RF)和XGBoost的工期指标预测方法.借助RF的特性对影响因素的重要程度进行排序,结合后向特征消除法剔除不重要的因素,得到工期指标预测的最优影响因素集,在此基础上构建了基于XGBoost的预测模型,对工期指标进行预测.以某隧道项目作为案例进行分析验证,结果显示,本文所提出的RF-XGBoost方法可以有效地去除无关因素,相比多元线性回归和神经网络等方法,预测结果精度更高,即为工期指标预测提供了一种快速有效的方法.

关键词：铁路工程、工期指标、预测、随机森林、XGBoost

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：中国国家铁路集团有限公司科技研究开发计划N2020G039

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-13,33