.png){kind=icon}
返回
Intelligent construction risk prediction based on Bayesian optimized extreme gradient boosting
.png){kind=icon}
PRE
AI
DOI：10.1080/17508975.2025.2594508.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着现代建筑行业的快速发展，智能建造已成为提高工程效率、降低施工风险的关键方向。在智能建造中，识别和预测潜在风险至关重要。然而，传统风险识别方法存在主观性强、效率低的问题。因此，提出了一种基于贝叶斯优化的极端梯度提升的智能建造风险预测模型。通过引入二分类和交叉熵函数，优化了模型的准确性和稳定性。随后，采用贝叶斯优化选择最优参数，以提高风险预测的效率。结果表明，所设计模型在训练集和测试集上的平均准确率分别为99.23%和98.16%，显著高于包括随机森林、轻量级梯度提升机和K近邻在内的其他模型。同时，在计算效率方面，所提模型的总计算时间仅为0.505s。研究表明，贝叶斯优化对极端梯度提升模型具有优化效果，且在智能建造的风险预测中具有有效性，旨在为智能建造的发展与安全提供保障。
Keyword:
Bayesian
extreme gradient boosting
intelligent construction
risk prediction
machine learning
期刊
I
IF:
1.7
论文数:
20
被引数:
536
机构
引用论文
Hybrid Recommendation System with Clustering and Classification Method Based on Case of Clinic XYZ
PREAI
分享收藏Bayesian neural networks for uncertainty quantification in data-driven materials modeling用于数据驱动材料建模中不确定性量化的贝叶斯神经网络
OAAI
OAAI分享收藏Artificial intelligence assisted IoT-fog based framework;
emergency fire response in smart buildings
PREAI
分享收藏An interpretable XGBoost-based approach for Arctic navigation risk assessment.png)
RISK ANALYSIS
RISK ANALYSISIF3.3
PREAI
分享收藏
查看更多内容