来源：期刊VIP网 时间：
作者：白莲;刘平;
单位：兰州理工大学土木工程学院;
摘要：地铁车站形式以地下段为主，进入雨期时受到洪涝灾害的威胁，易发生雨水倒灌现象，严重影响居民出行和地铁安全运营。为进一步提高地铁车站洪涝灾害预测的效果，提出基于RF-RFE和DNN神经网络的地铁车站洪涝灾害预测方法。首先，通过收集并分析已发生地铁车站洪涝灾害的案例，采用文献综述结合专家访谈的方法，构建地铁车站洪涝灾害初始变量集；然后，利用随机森林—递归特征消除(RF-RFE)算法，计算初始变量重要性并完成变量分类正确率排序，从初始变量集中筛选出重要变量；最后，建立DNN神经网络预测模型，并以筛选出的重要变量作为输入样本，训练DNN神经网络，完成对地铁车站洪涝灾害的预测。研究结果表明：(1)变量选择可提高预测模型精度，与初始变量集的DNN神经网络预测模型相比，数据筛选后的DNN神经网络预测模型准确率提高了4.36%;(2)RF-RFE和DNN神经网络算法结合具有良好的效果，预测模型准确率为88.1%,F1分数为0.9。
关键词：地铁车站;;随机森林(RF)算法;;递归特征消除(RFE);;洪涝灾害;;神经网络
基金资助：国家自然科学基金项目(72061023);; 甘肃省自然科学基金项目(20JR10RA173)
