基于两阶段XGBoost框架的港口石油泄漏预测与影响时间估计研究

《IEEE Journal of Oceanic Engineering》：Assessment of Oil Spill Propagation in Ports Using Extreme Gradient Boosting Algorithms Trained With Eulerian Numerical Simulations

　　**摘要：**评估港口区域内石油泄漏的传播情况，对于确保充分的环境保护和管理至关重要。石油泄漏的行为取决于多个相互作用的因子，包括石油类型、泄漏量、泄漏位置、当时的水动力和气象条件、石油的运动轨迹及最终归宿，以及受影响海岸带的特征。因此，开发能够快速监测和预测石油泄漏移动的系统，对于实现及时有效的应急响应具有根本性意义。随机建模和数值建模方法均可用于此目的。特别是，整合能够识别石油泄漏事件中哪些港口基础设施可能受到影响的预测技术，可以显著增强应急准备和响应策略。本研究的主要目标是实施一个两阶段极端梯度提升（XGBoost）框架，以提升石油泄漏的预测和管理能力。该方法应用于意大利西西里岛的奥古斯塔港——地中海地区最具战略意义的工业和能源枢纽之一。所提出的框架由两个顺序阶段组成：第一阶段为二元分类模型，用于预测石油是否会到达给定区段；第二阶段为回归模型，用于估算影响的到达时间。研究测试了多种模型配置，包括针对各区段分别建模、在所有区段上训练的全局模型，以及将区段标识符作为分类特征纳入以考虑空间异质性的全局模型。结果显示，虽然分区分段模型实现了较高的分类准确率，但在预测到达时间方面表现出有限的泛化能力。全局建模策略显著改善了回归性能，而纳入空间标识符后进一步提升了分类和计时准确性。最终配置实现了二分类……