【論文精選】基于燃?xì)獍踩L(fēng)險(xiǎn)的大數(shù)據(jù)預(yù)警模型研究
【論文精選】基于燃?xì)獍踩L(fēng)險(xiǎn)的大數(shù)據(jù)預(yù)警模型研究
GAS-HEAT1978
《煤氣與熱力》始于1978年，創(chuàng)刊于1981年，中國核心期刊，中國土木工程學(xué)會(huì)燃?xì)夥謺?huì)會(huì)刊。篩選燃?xì)夤嵝袠I(yè)最有價(jià)值的技術(shù)信息，新聞分類整理、政策標(biāo)準(zhǔn)、熱點(diǎn)討論、投稿查詢、論文檢索、寫作指導(dǎo)、編委風(fēng)采、精品會(huì)議……
官網(wǎng)注冊(cè)后
http://www.gasheat.cn
免費(fèi)下載論文
作者：劉江濤，張濤，吳波，顧先凱，李春青，關(guān)鴻鵬，李夏喜，曹印峰，詹淑慧，甘穎濤，蔭東錦，任立坤
第一作者單位：北京市市政工程設(shè)計(jì)研究總院有限公司
摘自《煤氣與熱力》2018年12月刊
1 概述
21世紀(jì)，被稱為天然氣時(shí)代 ［1］ ，城市燃?xì)庠诮o居民生活及經(jīng)濟(jì)發(fā)展帶來正向作用的同時(shí)，隨之而來的安全問題也影響著城市及社會(huì)的發(fā)展。由于管理跟不上發(fā)展的步伐，加之管道腐蝕以及第三方施工破壞， 燃?xì)庑孤?/span> 突發(fā)性大，可控性差，威脅著周邊環(huán)境中人員財(cái)產(chǎn)安全 ［2］ 。近年來，燃?xì)庑孤┒鴮?dǎo)致的爆炸事故居高不下，據(jù)統(tǒng)計(jì)，2014— 2017 年度全國燃?xì)獗ㄊ鹿史謩e為693、825、908、950 起 ［3-4］ 。城市燃?xì)馐鹿试斐傻娜藛T傷亡及財(cái)產(chǎn)損失不可小覷，同時(shí)也造成了不良的社會(huì)影響，加之政府及社會(huì)對(duì)安全關(guān)注度有增無減，燃?xì)夤芫W(wǎng)的安全管理問題，已成為相關(guān)管理者的首要問題。
作為城市能源的主要供應(yīng)方式之一，燃?xì)夤芫W(wǎng)的敷設(shè)遍布城市各個(gè)區(qū)域，在管網(wǎng)運(yùn)行過程中，導(dǎo)致管道泄漏主要是發(fā)生了電流腐蝕、化學(xué)腐蝕和電化學(xué)腐蝕 ［ 5 ］ 。根據(jù)燃?xì)膺\(yùn)行實(shí)際經(jīng)驗(yàn)來看，燃?xì)夤艿赖?/span> 腐蝕 不僅取決于管道本身，同時(shí)也受到外部環(huán)境因素的影響，即內(nèi)部因素和外部因素。內(nèi)部因素主要體現(xiàn)為管齡、管材、管徑、壓力級(jí)制、埋深、防腐措施、管理差異等引起的管道腐蝕情況多樣，該類因素相對(duì)具體、固定；外部因素主要體現(xiàn)為地質(zhì)、水文引起的化學(xué)或電化學(xué)腐蝕，鐵路、地鐵等電氣化軌道輸電漏電造成的電流腐蝕，各種腐蝕的疊加，又將進(jìn)一步降低燃?xì)夤艿赖氖褂脡勖?
隨著城市的發(fā)展，外部因素更加多樣，加之外部因素的難辨識(shí)，外部因素引起的管道泄漏的管控問題，是城市燃?xì)饷媾R的嚴(yán)峻挑戰(zhàn)。傳統(tǒng)燃?xì)夤艿罊z測(cè)方法不僅有成本高、效率低、周期長(zhǎng)并受領(lǐng)域知識(shí)和領(lǐng)域經(jīng)驗(yàn)的限制等局限，且對(duì)外部因素尚無科學(xué)的動(dòng)態(tài)管理、反饋機(jī)制，無法對(duì)全管網(wǎng)進(jìn)行實(shí)時(shí)監(jiān)測(cè)。
隨著計(jì)算機(jī)以及人工智能的發(fā)展，燃?xì)庑袠I(yè)的信息化程度得到進(jìn)一步提高，管道基礎(chǔ)數(shù)據(jù)可以比較全面準(zhǔn)確獲取，為燃?xì)庑袠I(yè)的數(shù)據(jù)分析和模型構(gòu)建提供了必要保障。故本文提出并嘗試采用基于人工智能和機(jī)器學(xué)習(xí)的智能檢測(cè)方法，通過運(yùn)用大數(shù)據(jù)分析技術(shù)，建立指標(biāo)間的關(guān)聯(lián)關(guān)系模型，通過易測(cè)的過程量去推斷難測(cè)的過程量，提升 燃?xì)夤艿?/span> 運(yùn)行過程的整體可觀可控。
2 管道安全風(fēng)險(xiǎn)預(yù)警模型的研究方法
目前城市燃?xì)馐┬械脑谝酃艿栏g泄漏管控的技術(shù)體系主要是依據(jù)行業(yè)和企業(yè)規(guī)范，但是，這種管控體系存在資源成本高、檢測(cè)有限、檢測(cè)參數(shù)多但數(shù)據(jù)又沒有得到很好的利用等問題，已有的腐蝕泄漏事件也沒有作為反饋數(shù)據(jù)以修正現(xiàn)有體系。如何緩解現(xiàn)有不足對(duì)燃?xì)夤芫W(wǎng)腐蝕泄漏管控技術(shù)體系的影響，提升技術(shù)體系的管控效果，是本文構(gòu)建的燃?xì)獍踩L(fēng)險(xiǎn)的大數(shù)據(jù)預(yù)警模型（以下簡(jiǎn)稱預(yù)警模型）的主要目標(biāo)。
本文以人工智能和機(jī)器學(xué)習(xí)的智能檢測(cè)方法為基礎(chǔ)，先對(duì)研究的應(yīng)用場(chǎng)景進(jìn)行科學(xué)抽象，然后采用合適的算法，運(yùn)用基本的數(shù)據(jù)挖掘步驟，對(duì)所采集的原始數(shù)據(jù)進(jìn)行預(yù)處理并形成可用特征變量文件，再進(jìn)行建模、應(yīng)用場(chǎng)景實(shí)驗(yàn)、解釋和優(yōu)化，并不斷調(diào)整。
目前，有大量的機(jī)器學(xué)習(xí)工具可進(jìn)行數(shù)據(jù)挖掘，本文所采用的是懷卡托智能分析環(huán)境，即weka。
①懷卡托智能分析環(huán)境
數(shù)據(jù)挖掘，也被稱為數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)，是指從大量的、有噪聲的、不完全的、隨機(jī)的、模糊的實(shí)際應(yīng)用數(shù)據(jù)中提取有效的、潛在有用的、新穎的知識(shí)過程。數(shù)據(jù)挖掘已在很多行業(yè)得到應(yīng)用，如醫(yī)療、電子等，燃?xì)庑袠I(yè)有所涉及，多用于負(fù)荷預(yù)測(cè)，暫時(shí)還沒有將該技術(shù)應(yīng)用在腐蝕泄漏方面的研究 ［ 6-8 ］ ?？缧袠I(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（ Cross-Industry Standard Process for Data Mining ， CRISP-DM ［ 9 ］ ）是目前數(shù)據(jù)挖掘與商務(wù)智能領(lǐng)域使用最為廣泛的方法論，該模型將數(shù)據(jù)挖掘分為 6 個(gè)不同的階段，順序可按研究情況適當(dāng)調(diào)整，階段之間可相互反饋，整個(gè)流程形成閉環(huán)。燃?xì)夤艿佬孤┑目缧袠I(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程見圖 1 。
圖 1 燃?xì)夤艿佬孤┑目缧袠I(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程
針對(duì)燃?xì)夤艿佬孤﹩栴}，收集內(nèi)外部相關(guān)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行處理和特征提取，建立weka可用的正負(fù)樣本數(shù)據(jù)集。利用決策樹、隨機(jī)森林等多種算法進(jìn)行建模和驗(yàn)證，找出最優(yōu)預(yù)警模型算法。
本文將燃?xì)夤艿佬孤﹩栴}形式化為有監(jiān)督學(xué)習(xí)中的預(yù)測(cè)問題，即y=f（ x ），其中 y 表示管道泄漏的可能性， x 是管道泄漏相關(guān)的因素與變量，既包括內(nèi)部因素，也包括外部因素。當(dāng)收集了大量的（ x ， y ）數(shù)據(jù)之后，利用這些數(shù)據(jù)訓(xùn)練模型，學(xué)習(xí)得到 f （ x ），即預(yù)警模型。最后，根據(jù)燃?xì)夤艿赖臋z測(cè)數(shù)據(jù)，實(shí)現(xiàn)整個(gè)燃?xì)夤芫W(wǎng)的風(fēng)險(xiǎn)預(yù)測(cè)。
關(guān)于數(shù)據(jù)的獲取，首先，根據(jù)管道運(yùn)營方面的領(lǐng)域知識(shí)，采集了管齡、管材、管徑、壓力級(jí)制、埋深、管理單位等與 燃?xì)庑孤?/span> 密切相關(guān)的6類內(nèi)部數(shù)據(jù)；其次，從多源數(shù)據(jù)融合角度，采集了水文、電氣化軌道、地標(biāo)建筑分布等可能會(huì)對(duì)管道泄漏造成影響的大量外部因素?cái)?shù)據(jù)。
②本文的研究?jī)?nèi)容
本文在懷卡托智能分析環(huán)境下，執(zhí)行標(biāo)準(zhǔn)的數(shù)據(jù)挖掘流程，將燃?xì)飧g破壞業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)挖掘問題，利用機(jī)器學(xué)習(xí)技術(shù)，找到腐蝕破壞與內(nèi)外部影響特征之間的關(guān)系。
具體的研究工作主要有數(shù)據(jù)預(yù)處理、預(yù)警模型訓(xùn)練算法選擇、實(shí)驗(yàn)。
3 數(shù)據(jù)預(yù)處理
數(shù)據(jù)預(yù)處理，是數(shù)據(jù)挖掘項(xiàng)目中耗時(shí)最長(zhǎng)也是最重要的一個(gè)環(huán)節(jié)，不僅是節(jié)約時(shí)間成本的首要途徑，更是最后模型精確度的必要保障 ［ 10 ］ ，本研究中，數(shù)據(jù)預(yù)處理的流程見圖 2 。
圖 2 數(shù)據(jù)預(yù)處理流程
①原始數(shù)據(jù)的獲取
根據(jù)文獻(xiàn)調(diào)研和前期研究發(fā)現(xiàn)，數(shù)據(jù)源的質(zhì)量差將引起數(shù)據(jù)挖掘結(jié)果的不準(zhǔn)確甚至錯(cuò)誤，因此保證原始數(shù)據(jù)的準(zhǔn)確性至關(guān)重要。本文針對(duì)某燃?xì)饧瘓F(tuán)的地下管道風(fēng)險(xiǎn)辨識(shí)困難，無法準(zhǔn)確檢測(cè)造成的燃?xì)夤艿佬孤﹩栴}，擬采用數(shù)據(jù)挖掘建立預(yù)警模型。首先，需根據(jù)研究領(lǐng)域知識(shí)和情況，結(jié)合專家分析確定所需的數(shù)據(jù)項(xiàng)并通過嚴(yán)格、規(guī)范的過程獲取有較高影響因子的變量。
a.內(nèi)部因素?cái)?shù)據(jù)獲取
內(nèi)部因素?cái)?shù)據(jù)來源主要為某燃?xì)饧瘓F(tuán)的應(yīng)急事件數(shù)據(jù)、安全隱患數(shù)據(jù)、結(jié)構(gòu)類技改大修數(shù)據(jù)、陰極保護(hù)數(shù)據(jù)、管道防腐檢測(cè)數(shù)據(jù)、壓力管道檢測(cè)數(shù)據(jù)和管網(wǎng)基礎(chǔ)數(shù)據(jù)。內(nèi)部因素原始數(shù)據(jù)詳情見表1。
表 1 內(nèi)部因素原始數(shù)據(jù)詳情
b.外部因素?cái)?shù)據(jù)
外部因素?cái)?shù)據(jù)主要來自開源的電子系統(tǒng)，包括分析區(qū)域的地鐵、鐵路、水系面、道路附屬設(shè)施等。外部因素原始數(shù)據(jù)詳情見表2。
表 2 外部因素原始數(shù)據(jù)詳情
利用計(jì)算機(jī)技術(shù)與人工結(jié)合的方式，將獲得的內(nèi)外部因素?cái)?shù)據(jù)進(jìn)行整理并結(jié)構(gòu)化，最終形成包括內(nèi)外部因素?cái)?shù)據(jù)的正負(fù)樣本數(shù)據(jù)庫（Database of Gas Internal and External Data， DGIED ）。正樣本指已發(fā)生事故的樣本，負(fù)樣本指未發(fā)生事故的樣本。
②數(shù)據(jù)清洗
在數(shù)據(jù)預(yù)處理過程中，數(shù)據(jù)清洗是耗時(shí)且較乏味的一項(xiàng)工作，但也是最重要的一項(xiàng)工作。數(shù)據(jù)的清洗保證了數(shù)據(jù)的準(zhǔn)確性。在初始獲得的正負(fù)樣本數(shù)據(jù)庫中，可能包含噪聲數(shù)據(jù)、冗余數(shù)據(jù)、缺失數(shù)據(jù)甚至錯(cuò)誤數(shù)據(jù)。
針對(duì)噪聲數(shù)據(jù)，本文結(jié)合專業(yè)知識(shí)，采用聚類技術(shù)以及計(jì)算機(jī)和人工相結(jié)合的方式進(jìn)行處理。冗余數(shù)據(jù)，利用影響因子分析和經(jīng)驗(yàn)進(jìn)行整合，選擇其具有最大影響力的或足以反映問題信息的數(shù)據(jù)，刪除其余冗余或重復(fù)數(shù)據(jù)；缺失數(shù)據(jù)，通過計(jì)算機(jī)和人工結(jié)合的方式，刪除數(shù)據(jù)缺失較多的數(shù)據(jù)行；根據(jù)行業(yè)知識(shí)及實(shí)際情況，對(duì)獲取的數(shù)據(jù)元組中錯(cuò)誤的數(shù)據(jù)，進(jìn)行更改、刪除或忽略等操作。
③特征變量確定與提取
從清洗后的正負(fù)樣本數(shù)據(jù)庫中提取出對(duì)模型開發(fā)有效的數(shù)據(jù)項(xiàng)，即選擇對(duì)管道泄漏影響顯著的特征變量，又避免特征變量間的交叉重疊，是數(shù)據(jù)預(yù)處理中最為關(guān)鍵的一步。特征變量的質(zhì)量，直接影響最終模型的分析效果和精確度。
結(jié)合跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程第2步數(shù)據(jù)理解，內(nèi)部數(shù)據(jù)確定為管齡、管材、管徑、壓力級(jí)制、埋深、管理單位等與燃?xì)庑孤┟芮邢嚓P(guān)的 6 類；外部因素?cái)?shù)據(jù)確定為鐵路、地鐵等電氣化軌道、水系面（河流與湖泊）等影響管道腐蝕的 3 類。針對(duì)鐵路，將其數(shù)量、與正負(fù)樣本點(diǎn)之間的距離作為特征變量；對(duì)于地鐵，將地鐵數(shù)量、與正負(fù)樣本點(diǎn)之間的距離作為特征變量；對(duì)于河流與湖泊，考慮長(zhǎng)度、距離、面積作為特征變量。最后從數(shù)據(jù)庫中隨機(jī)提取正樣本 1 份（ 855 個(gè)樣本點(diǎn)），負(fù)樣本 4 份（每份各 855 個(gè)樣本點(diǎn)）。
④缺失值填補(bǔ)
a.缺失值填補(bǔ)算法—— KNN 算法
KNN 算法 ［ 11 ］ 是數(shù)據(jù)挖掘中一種經(jīng)典的懶惰學(xué)習(xí)算法，利用已有的訓(xùn)練數(shù)據(jù)實(shí)現(xiàn)分類和預(yù)測(cè)， k 表示最接近待分類或待預(yù)測(cè)樣本的 k 個(gè)數(shù)據(jù)樣本。該算法的核心思想是，在一個(gè)特征空間內(nèi)，找到與數(shù)據(jù)樣本 A 最相似的 k 個(gè)已知數(shù)據(jù)標(biāo)簽或值的數(shù)據(jù)樣本，獲取該 k 個(gè)訓(xùn)練數(shù)據(jù)的標(biāo)簽或值用于對(duì)樣本 A 的標(biāo)簽或值的預(yù)測(cè)。
KNN算法具有良好的魯棒性，對(duì)數(shù)據(jù)的存儲(chǔ)要求簡(jiǎn)單，操作方便， k 的合理選取能夠有效地避免或減小噪聲或缺失值對(duì)分類或預(yù)測(cè)結(jié)果的影響，即使在給定的訓(xùn)練數(shù)據(jù)非常多時(shí)，也仍能保證算法的有效性，因此該算法很好地應(yīng)用于許多領(lǐng)域。本文將運(yùn)用該算法對(duì)特征變量的缺失值進(jìn)行預(yù)測(cè)填充。
b.缺失值填補(bǔ)方法
數(shù)據(jù)缺失值的存在會(huì)降低模型的準(zhǔn)確率，甚至使數(shù)據(jù)分析和建模的結(jié)果不準(zhǔn)確，若直接忽視或刪除，則降低了數(shù)據(jù)的利用率，甚至使數(shù)據(jù)間的關(guān)聯(lián)性遭到破壞。因此，本文在獲取內(nèi)外部特征變量數(shù)據(jù)后，對(duì)特征變量中數(shù)據(jù)缺失的部分運(yùn)用KNN算法和人工整合方式進(jìn)行填補(bǔ)。
在本文的研究中，僅內(nèi)部因素?cái)?shù)據(jù)埋深項(xiàng)缺失較多，其他特征變量缺失值較少或達(dá)到可用狀態(tài)。針對(duì)埋深項(xiàng)的缺失值填充，采用的是KNN算法。
在特征空間中，考慮了兩種距離（不涉及單位），即歐氏距離和曼哈頓距離。對(duì)于歐氏距離，考慮了k分別取集合 {5 ， 10 ， 15 ， 20 ， 25 ， 30} 各元素時(shí)預(yù)測(cè)情況。對(duì)于曼哈頓距離，考慮了 k 分別取集合 {5 ， 7 ， 9 ，… ， 19 ， 20 ， 22 ，…， 30} 各元素時(shí)的預(yù)測(cè)情況。預(yù)測(cè)精度判斷值計(jì)算如下：
R MSE 表征預(yù)測(cè)值偏離真實(shí)值的程度，值越小，偏離程度越小，即預(yù)測(cè)值越準(zhǔn)確。KNN法預(yù)測(cè) R MSE 值見圖3（橫坐標(biāo)中 M05 表示曼哈頓距離 k 取 5 ，其他標(biāo)值同理。 O05 表示歐氏距離 k 取 5 ，其他標(biāo)值同理）。可以看出， M07 的預(yù)測(cè)結(jié)果與實(shí)際的埋深值最接近，準(zhǔn)確率最高。故采用 M07 的預(yù)測(cè)數(shù)據(jù)填充埋深項(xiàng)的缺失值。
圖 3 KNN 法預(yù)測(cè)的預(yù)測(cè)精度判斷值
對(duì)于各樣本的管齡、管材、壓力級(jí)制等內(nèi)部因素特征值，正樣本數(shù)據(jù)基本完全，負(fù)樣本數(shù)據(jù)存在少量缺失，本文將負(fù)樣本4作為填充集，尋找除需填補(bǔ)的特征項(xiàng)之外的其他特征項(xiàng)最接近的樣本點(diǎn)數(shù)據(jù)，來填充負(fù)樣本 1 、 2 、 3 ，最終得到 3 個(gè)負(fù)樣本集。
⑤訓(xùn)練樣本的選取
通過前面步驟獲得的數(shù)據(jù)，是數(shù)據(jù)庫中相關(guān)項(xiàng)的全部數(shù)據(jù)，數(shù)據(jù)量很龐大，若全部考慮不僅增加了工作量，降低模型訓(xùn)練效率，而且對(duì)模型效果的影響不顯著甚至產(chǎn)生負(fù)面影響，因此合理縮小數(shù)據(jù)范圍非常必要。
根據(jù)正負(fù)樣本點(diǎn)的坐標(biāo)，選取距離樣本點(diǎn)2 km內(nèi)的外部因素?cái)?shù)據(jù)的特征變量。例如，以鐵路為例，分別以各個(gè)樣本點(diǎn)為參考點(diǎn)，獲得離該樣本點(diǎn)最近的鐵路的距離， 700 m 范圍內(nèi)是否含有鐵路以及 2 000 m 范圍內(nèi)鐵路數(shù)量。水系面、地鐵與其類似。外部因素?cái)?shù)據(jù)的特征變量見表 3 。
表 3 外部因素?cái)?shù)據(jù)的特征變量
將獲取的外部特征變量結(jié)合內(nèi)部特征變量整理成一張“正負(fù)樣本數(shù)據(jù)點(diǎn)—內(nèi)外部特征變量”表格，進(jìn)而轉(zhuǎn)換成 .arff 的數(shù)據(jù)集，并進(jìn)行數(shù)據(jù)缺失填補(bǔ)的操作。本研究中，將訓(xùn)練數(shù)據(jù)集分成 3 組：訓(xùn)練樣本 1 、訓(xùn)練樣本 2 、訓(xùn)練樣本 3 ，組成分別為正樣本 + 負(fù)樣本 1 ，正樣本 + 負(fù)樣本 2 ，正樣本 + 負(fù)樣本 3 。
4 預(yù)警模型訓(xùn)練算法選擇
通過數(shù)據(jù)預(yù)處理步驟獲得訓(xùn)練樣本后，便可選擇合適算法進(jìn)行預(yù)警模型的訓(xùn)練 ［ 12 ］ 。
①?zèng)Q策樹算法
決策樹算法 ［ 13 ］ 提出時(shí)間較早，是開展數(shù)據(jù)研究的重要算法之一，是通過節(jié)點(diǎn)和有向邊，在實(shí)例分類過程中形成的一種樹形結(jié)構(gòu)，根據(jù)預(yù)先設(shè)置好的邏輯，自上而下對(duì)數(shù)據(jù)庫中存儲(chǔ)的無規(guī)律且不可控的大量數(shù)據(jù)進(jìn)行學(xué)習(xí)，繼而歸納出分類規(guī)則。
C4.5是決策樹算法中的一種，以采用局部最優(yōu)策略的 Hunt 算法為基礎(chǔ)，構(gòu)造簡(jiǎn)單，分類規(guī)則便于按需轉(zhuǎn)化，且能夠獲得較高的分類準(zhǔn)確率。但也有一定的缺點(diǎn)，即缺乏伸縮性，因?yàn)樵撍惴ㄐ枰獙?duì)數(shù)據(jù)進(jìn)行深度優(yōu)先搜索。
②隨機(jī)森林算法
隨機(jī)森林算法 ［ 14 ］ 通過在訓(xùn)練集 N 中有放回地隨機(jī)抽取 m 個(gè)樣本生成新的訓(xùn)練樣本集合，根據(jù)新的樣本集合生成 m 個(gè)分類樹，即決策樹，進(jìn)而形成一片“森林”，森林中各決策樹之間相互獨(dú)立。森林形成后，輸入一個(gè)樣本數(shù)據(jù)，森林中的每一棵決策樹對(duì)其進(jìn)行判斷，并確定其屬于哪一類別，哪一種類別出現(xiàn)最多，則該樣本屬于哪一類。
隨機(jī)森林在沒有明顯擴(kuò)增運(yùn)算量的情況下提高了預(yù)測(cè)準(zhǔn)確率，被視為目前最好的算法之一。與其他算法相比，隨機(jī)森林對(duì)數(shù)據(jù)的適應(yīng)性較好，能夠很好地處理高緯度數(shù)據(jù)；抗噪聲能力較強(qiáng)，對(duì)缺失值和異常值敏感度低；樹的節(jié)點(diǎn)層級(jí)可表示變量的重要性。但當(dāng)需要區(qū)分的類別太多時(shí)，隨機(jī)森林的表現(xiàn)差些。
③其他算法
貝葉斯網(wǎng)絡(luò)和樸素貝葉斯 ［ 13 ］ 都是以貝葉斯定理為基礎(chǔ)的算法，本質(zhì)是通過條件概率實(shí)現(xiàn)分類。支持向量機(jī)（ SVM ）通過構(gòu)造支持向量尋找樣本點(diǎn)間最大間隔的分割面，即最優(yōu)超平面，對(duì)數(shù)據(jù)進(jìn)行分類。神經(jīng)網(wǎng)絡(luò)模擬生物神經(jīng)系統(tǒng)處理信息的過程，是通過神經(jīng)元間的互聯(lián)關(guān)系表示的網(wǎng)絡(luò)。邏輯回歸的本質(zhì)是利用最大似然估計(jì)，通過離散化手段進(jìn)行分類。
根據(jù)預(yù)警模型特點(diǎn)，本文選擇了決策樹C4.5、隨機(jī)森林、貝葉斯網(wǎng)絡(luò)、樸素貝葉斯、 SVM 和邏輯回歸 6 種算法進(jìn)行預(yù)警模型訓(xùn)練。
5 實(shí)驗(yàn)
根據(jù)選擇的算法，同時(shí)考慮內(nèi)外部因素的影響，進(jìn)行預(yù)警模型訓(xùn)練。3個(gè)訓(xùn)練集同時(shí)考慮內(nèi)外部因素的預(yù)警模型訓(xùn)練結(jié)果見圖 4 ， 3 個(gè)訓(xùn)練集僅考慮內(nèi)部因素的預(yù)警模型訓(xùn)練結(jié)果見圖 5 。
圖 4 3 個(gè)訓(xùn)練集同時(shí)考慮內(nèi)外部因素的預(yù)警模型訓(xùn)練結(jié)果
圖 5 3 個(gè)訓(xùn)練集僅考慮內(nèi)部因素的預(yù)警模型訓(xùn)練結(jié)果
通過圖4、 5 可以看出，無論是同時(shí)考慮內(nèi)外部因素還是只考慮內(nèi)部因素，隨機(jī)森林算法所得預(yù)警模型準(zhǔn)確率最高，決策樹 C4.5 算法所得預(yù)警模型準(zhǔn)確率次之，其他 4 個(gè)算法所得預(yù)警模型準(zhǔn)確率明顯偏低。
同時(shí)考慮內(nèi)外部因素與只考慮內(nèi)部因素準(zhǔn)確率對(duì)比見圖6（圖中準(zhǔn)確率取 3 個(gè)訓(xùn)練集準(zhǔn)確率的平均值）?？梢钥闯觯龢闼刎惾~斯和 SVM 算法外，其他算法同時(shí)考慮內(nèi)外部因素后，所得預(yù)警模型準(zhǔn)確率都有所提高，決策樹 C4.5 和隨機(jī)森林算法所得預(yù)警模型準(zhǔn)確率提高明顯。
圖 6 同時(shí)考慮內(nèi)外部因素與只考慮內(nèi)部因素準(zhǔn)確率對(duì)比
根據(jù)實(shí)驗(yàn)結(jié)果比較分析，選出隨機(jī)森林為最優(yōu)算法，同時(shí)考慮內(nèi)外部因素相比于僅考慮內(nèi)部因素，模型準(zhǔn)確率提高了5.07%。
6 結(jié)論
①確定燃?xì)夤艿腊踩L(fēng)險(xiǎn)大數(shù)據(jù)預(yù)警模型采用懷卡托智能分析環(huán)境。
②確定數(shù)據(jù)預(yù)處理流程，包含原始數(shù)據(jù)的獲取、數(shù)據(jù)清洗、特征變量確定與提取、缺失值填補(bǔ)、訓(xùn)練樣本的選取。指出內(nèi)部因素?cái)?shù)據(jù)為管齡、管材、管徑、壓力級(jí)制、埋深、管理單位，外部因素?cái)?shù)據(jù)為鐵路、地鐵等電氣化軌道、水系面（河流與湖泊）等影響管道腐蝕的 3 類。從數(shù)據(jù)庫中隨機(jī)提取正樣本 1 份，負(fù)樣本 4 份，每份各 855 個(gè)樣本點(diǎn)。將訓(xùn)練數(shù)據(jù)集分成 3 組：訓(xùn)練樣本 1 、訓(xùn)練樣本 2 、訓(xùn)練樣本 3 ，組成分別為正樣本 + 負(fù)樣本 1 ，正樣本 + 負(fù)樣本 2 ，正樣本 + 負(fù)樣本 3 。確定缺失值填補(bǔ)采用 KNN 算法。
③選擇決策樹 C4.5 、隨機(jī)森林、貝葉斯網(wǎng)絡(luò)、樸素貝葉斯、支持向量機(jī)和邏輯回歸 6 種算法作為預(yù)警模型訓(xùn)練算法。
④根據(jù)選擇的算法，同時(shí)考慮內(nèi)外部因素的影響，進(jìn)行預(yù)警模型訓(xùn)練（即實(shí)驗(yàn)）。根據(jù)實(shí)驗(yàn)結(jié)果比較分析，選出隨機(jī)森林為最優(yōu)算法。同時(shí)考慮內(nèi)外部因素比僅考慮內(nèi)部因素，模型準(zhǔn)確率提高 5.07% 。
參考文獻(xiàn)：
［1］邊正東 . PDA 技術(shù)應(yīng)用與燃?xì)夤芫W(wǎng)安全技術(shù)研究（碩士學(xué)位論文）［ D ］ . 北京：北京建筑大學(xué)， 2016 ： 12-18.
［2］郁永波，趙庭敏 . 城市燃?xì)夤芫W(wǎng)安全問題及對(duì)策分析［ J ］ . 科技創(chuàng)新與應(yīng)用， 2012 （ 2 ）： 254.
［3］劉愛華，黃檢，吳卓儒，等 . 城市燃?xì)夤艿罓顩r及燃?xì)馐鹿式y(tǒng)計(jì)分析［ J ］ . 煤氣與熱力， 2017 ， 37 （ 10 ）： B27-B33.
［4］張滿可，杜前洲，彭強(qiáng)，等 . 2011 — 2014 年我國城市燃?xì)馐鹿式y(tǒng)計(jì)分析［ J ］ . 煤氣與熱力， 2016 ， 36 （ 1 ）： B40-B46.
［5］梁成 . 影響城市燃?xì)夤芫W(wǎng)安全運(yùn)行的因素與對(duì)策［ J ］ . 中國新技術(shù)新產(chǎn)品， 2016 （ 2 ）： 180.
［6］梁海棟 . 數(shù)據(jù)挖掘技術(shù)在燃?xì)庀到y(tǒng)中的應(yīng)用分析［ J ］ . 科技資訊， 2013 （ 9 ）： 32.
［7］譚羽非，陳家新，焦文玲，等 . 基于人工神經(jīng)網(wǎng)絡(luò)的城市煤氣短期負(fù)荷預(yù)測(cè)［ J ］ . 煤氣與熱力， 2001 ， 21 （ 3 ）： 199-202.
［8］苗艷姝，段常貴，張淑紅 . 數(shù)據(jù)挖掘技術(shù)在燃?xì)庳?fù)荷預(yù)測(cè)的應(yīng)用［ J ］ . 煤氣與熱力， 2005 ， 25 （ 11 ）： 1-4.
［9］高武奇，康鳳舉，鐘聯(lián)炯 . 數(shù)據(jù)挖掘的流程改進(jìn)和模型應(yīng)用［ J ］ . 微電子學(xué)與計(jì)算機(jī)， 2011 ， 28 （ 7 ）： 9-12.
［10］彭高輝，王志良 . 數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理方法［ J ］ . 華北水利水電大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2008 ， 29 （ 6 ）： 63-65.
［11］李秀娟 . KNN 分類算法研究［ J ］ . 科技信息， 2009 （ 31 ）： 81.
［12］朱玉全，楊鶴標(biāo)，孫蕾 . 數(shù)據(jù)挖掘技術(shù)［ M ］ . 南京：東南大學(xué)出版社， 2006 ： 212-222.
［13］劉夢(mèng)依 . 基于不平衡數(shù)據(jù)集的數(shù)據(jù)挖掘分類算法研究（碩士學(xué)位論文）［ D ］ . 蘭州：蘭州理工大學(xué)， 2017 ： 14-16.
［14］王元坤 . 基于隨機(jī)森林—人工神經(jīng)網(wǎng)絡(luò)企業(yè)財(cái)務(wù)預(yù)警研究（碩士學(xué)位論文）［ D ］ . 濟(jì)南：山東大學(xué)， 2017 ： 38-45.
維普免費(fèi)下載《煤氣與熱力》論文（現(xiàn)刊和過刊均可）
日前，《煤氣與熱力》雜志社有限公司在維普網(wǎng)站 http://cqvip.com/ 開通論文免費(fèi)下載服務(wù)，論文刊出后兩個(gè)月后，可在維普網(wǎng)站查詢，并直接免費(fèi)下載。在維普網(wǎng)站 免費(fèi)下載《煤氣與熱力》論文 步驟如下：
1. 在維普網(wǎng)站注冊(cè)會(huì)員。
2. 搜索出《煤氣與熱力》論文，點(diǎn)擊進(jìn)入。
3. 論文免費(fèi)下載界面截圖見上圖。點(diǎn)擊“免費(fèi)下載”，可直接下載該論文。
聲明：本文著作權(quán)（版權(quán)）歸《煤氣與熱力》雜志社所有，嚴(yán)禁任何微信號(hào)及媒體未經(jīng)授權(quán)許可隨意轉(zhuǎn)載。 PS: 當(dāng)然歡迎大家轉(zhuǎn)發(fā)到朋友圈！
更多論文請(qǐng)登錄煤氣與熱力雜志官方網(wǎng)站，免費(fèi)注冊(cè)會(huì)員閱讀電子期刊。閱讀步驟：登錄http://www.gasheat.cn/→頁面右上角注冊(cè)會(huì)員→注冊(cè)成功后點(diǎn)擊《煤氣與熱力》→期刊索引→點(diǎn)擊某期期刊封面即可閱讀當(dāng)期文章。