申请/专利权人：河海大学

申请日：2024-04-28

公开（公告）日：2024-06-28

公开（公告）号：CN118261272A

主分类号：G06N20/10

分类号：G06N20/10;G06F18/2411;G06N3/06;G06N3/084;G06N5/022;G06Q50/26;G06Q50/14

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明涉及一种基于大语言模型GPT‑4的海滩游客安全事故预测方法，利用海滩游客安全事故数据库，选取出与海滩游客安全有关的特征因素，利用贝叶斯优化BayesianOptimization对支持向量机SVM、BPBack‑propagation神经网络进行模型训练并评估模型性能；在GPT‑4中创建个人GPT后，将训练好的模型输出成pkl文件后上传至GPT的资料库，生成供用户直接输入相关因素预测海滩风险等级的GPT。本发明依托于大语言模型，用户只需输入有效波高、气温、波向、波周期等特征因素信息至利用本方法创建的个人GPT，便可得到GPT反馈的海滩风险等级并给出适当建议，具有输入信息较为灵活，与用户交互性较好等特点。

主权项：1.一种基于大语言模型GPT-4的海滩游客安全事故预测方法，其特征在于：采用海滩游客安全预测模型对海滩游客安全事故进行预测，其构建过程具体包括以下步骤：步骤S1：选定待预测海滩，从其游客安全事故数据库收集海滩游客安全事故的相关信息，同时从其他渠道收集待预测海滩的非事故信息；将从游客安全事故数据库收集的各类因素结合其他渠道收集的非事故信息作为数据集；步骤S2：基于步骤S1中游客安全事故数据库内的海滩游客安全事故发生概率及事故发生的各类因素，采用相关性检验法以及随机森林算法进行分析事故发生的各类因素与海滩游客安全的关系，将分析结果筛选出特征因素供海滩游客安全预测模型训练；其中，相关性检验法能够分析各类因素与事故发生的相关性，随机森林算法评估各类因素对事故发生的重要性；步骤S3：将步骤S1中收集的数据集划分为训练集以及测试集；使用支持向量机SVM、BP神经网络对训练集进行训练，训练过程中采用贝叶斯优化搜索最优超参数，从而分别获得支持向量机SVM以及BP神经网络训练的海滩游客安全预测模型；其中，支持向量机SVM模型适用于专业人员，输入海滩游客安全预测模型的数据需要进行标准化处理，在海滩游客安全预测涉及到的非线性分类问题中将特征数据映射到更高维的空间，以便能够使用线性分类器对海滩游客风险等级进行分类；BP神经网络模型适用于游客，输入海滩游客安全预测模型的数据不需要预处理，选择一层隐藏层神经元，4个神经元的神经网络，其特征数据在输入层作为输入，在隐藏层神经元由RELU激活函数处理后传到输出层输出；在输出层，计算网络预测值与实际值之间的误差，再回馈到隐藏层神经元，经过反复迭代后输出最佳风险预测；步骤S4：采用测试集数据评估海滩游客安全预测模型的性能，基于混淆矩阵中的数据计算海滩游客安全预测模型的准确率以及相关关键指标，其中，相关关键指标包括精确度、召回率以及F1分数；步骤S5：将步骤S4测试后的海滩游客安全预测模型输出成pkl文件后，上传至个人的GPT资料库，在GPT中生成海滩游客安全预测模型后供专业人员或者游客在GPT中输入相关特征因素信息，对游客风险等级进行预测，完成海滩游客安全预测模型构建。

全文数据：

权利要求：

百度查询： 河海大学 一种基于大语言模型GPT-4的海滩游客安全事故预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD