数字技术与应用杂志

摘要：<正>本文提出一种基于贝叶斯超参数优化算法的改进LightGBM模型，并将其用于历史文化街区的火灾风险预测中。首先选取了消防检查频率作为标签，基于最优的参数组合，构建了LightGBM模型，然后使用真实的历史街区数据对模型进行5折交叉验证，用来测试其火灾风险预测效果。在此基础上，调整LightGBM模型的决策树深度和迭代次数，进而对模型进行敏感性测试。实验结果表明，本文提出的模型预测的精确度高达98%，当树深度选取10、迭代次数选取61时，模型的性能最优。

专辑： 信息科技;工程科技Ⅱ辑

专题： 建筑科学与工程;自动化技术

分类号： TU998.1;TP18