[发明专利]一种基于随机森林的隧道运营状态感知模型的建立方法

权利要求书

1.一种基于随机森林的隧道运营状态感知模型的建立方法，其特征在于，包括以下步骤：

步骤1)：确定隧道运营监测训练集样本数N和变量数M；

步骤2)：确定随机森林中参数ntree和mtry组合范围及初始值；其中，ntree为随机森林中决策树的数量，mtry为每一个分裂节点随机抽取变量数量，且mtry＜M；

步骤3)：利用Bootstrap法重采样有放回地随机抽取ntree个新的自助样本集并构建ntree棵决策树，每次未被抽到的样本组成ntree个袋外数据；

步骤4)：每个自助样本集生长成为一棵决策树，在决策树的每个节点随机选取mtry个特征，从中选出一个特征进行分支生长，使决策树生长；

步骤5)：根据生成的ntree棵决策树，对输入的训练集样本进行预测，同时计算每棵决策树袋外数据误差；

步骤6)：分析每棵决策树的预测结果，即输出所有树中预测概率总和最大的那一个类得到最终分类结果，再平均所有树的袋外数据误差，得到随机森林泛化误差的无偏估计，同时计算程序运行时间；

步骤7)：重复步骤2)-7)，迭代运行所有ntree和mtry参数组合，输出所有参数组合对应的随机森林泛化误差的无偏估计和运行时间；

步骤8)：确定随机森林中最优ntree和mtry参数组合值，建立基于随机森林的隧道运营状态感知模型。

2.根据权利要求1所述的一种基于随机森林的隧道运营状态感知模型的建立方法，其特征在于，步骤1)中确定隧道运营监测训练集样本数N的具体过程为：

首先自定义隧道运营状态感知问题：给定训练集T＝{(x₁,y₁),…,(x_N,y_N)}∈(X⁵×Y)^N，其中，N为训练集样本数；x_i∈X⁵表示模型输入的隧道运营监测样本数据集中第i个样本，包含CO、NO₂、风速、细颗粒物、重载车的监测结果，y_i∈Y＝{c₁,c₂,c₃,c₄}表示样本对应的轻度污染、中度污染、重度污染和严重污染四种状态中的一种，i表示训练集中样本编号，i＝1,2,3,…,N，据此寻找状态空间X⁵上的一个决策函数f(x):X⁵→Y，用以推断任一监测样本对应的隧道运营状态。

3.根据权利要求1所述的一种基于随机森林的隧道运营状态感知模型的建立方法，其特征在于，N的数值大于500。

4.根据权利要求1所述的一种基于随机森林的隧道运营状态感知模型的建立方法，其特征在于，步骤4)中按照节点不纯度最小原则从中选出一个特征进行分支生长。