期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到126篇文章
< 1 2 … 7 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于GWO-XGBoost模型和SHAP值的数据价格预测及可解释性分析 认领 引用
1
作者 杨健 曹楠 +2 位作者 金大意 张家琦 杨涛涛 《计算机科学》 CSCD 北大核心 2026年第6期339-349,共11页
随着数据要素市场化迅速发展,数据定价成为亟待解决的关键问题。为解决数据要素市场化进程中定价机制不透明与可解释性不足等问题,提出了一种基于灰狼算法(GWO)优化XGBoost的数据定价模型。首先,从优易数据平台获取原始数据集,对其进行... 随着数据要素市场化迅速发展,数据定价成为亟待解决的关键问题。为解决数据要素市场化进程中定价机制不透明与可解释性不足等问题,提出了一种基于灰狼算法(GWO)优化XGBoost的数据定价模型。首先,从优易数据平台获取原始数据集,对其进行描述性统计分析。然后,通过去除异常值、独热编码、对数变换和归一化等方法预处理数据,并利用Spearman相关系数进行特征相关性分析。最后,通过GWO算法优化XGBoost的超参数,提升模型的预测性能。实验结果显示,GWO-XGBoost模型的决定系数(R 2)达0.971,显著优于其他5种基线模型,其均方误差(MSE)、均方根误差(RMSE)和平均绝对误差(MAE)等指标相较于传统的网格搜索、随机搜索等超参数优化方法均大幅降低。此外,借助SHAP可解释性分析方法,从全局和局部深入解析模型预测结果,识别出数据更新时间间隔是影响模型预测结果的主导因素,贡献了总预测增量的95.16%。该研究不仅为数据定价提供了科学合理机制,也为后续的模型优化指明了方向,对于推动数据要素市场健康发展意义重大。 展开更多
关键词 数据定价 灰狼算法 XGBoost算法 SHAP值分析
暂未订购 下载PDF
基于Logistic回归与SHAP算法的减重代谢手术术后1年高甘油三酯血症缓解的列线图预测模型构建 认领 引用
2
作者 王亮 张能维 +2 位作者 廉东波 杜德晓 孙怡兰 《广西医学》 CAS 2026年第3期329-340,共12页
目的分析减重代谢手术术后1年高甘油三酯血症(HTG)缓解的独立预测因子,并构建列线图预测模型。方法纳入术前存在HTG、接受减重代谢手术治疗的136例肥胖患者,并将其随机分为训练集(n=95)与验证集(n=41)。根据术后1年HTG缓解情况,将训练... 目的分析减重代谢手术术后1年高甘油三酯血症(HTG)缓解的独立预测因子,并构建列线图预测模型。方法纳入术前存在HTG、接受减重代谢手术治疗的136例肥胖患者,并将其随机分为训练集(n=95)与验证集(n=41)。根据术后1年HTG缓解情况,将训练集患者分为A组(HTG缓解,n=80)与B组(HTG未缓解,n=15),分析两组的基本临床资料、人体成分分析指标、生化代谢指标、腹部影像学数据。通过单因素和多因素Logistic回归模型筛选与减重代谢手术术后1年HTG缓解相关的独立预测因子,并基于独立预测因子构建列线图预测模型,在训练集和验证集中通过受试者工作特征曲线、校准曲线、决策曲线分析(DCA)与临床影响曲线(CIC)评价模型的预测效能、拟合度及临床实用性。应用SHAP算法,通过特征重要性量化、单样本预测影响解析、SHAP依赖关系分析对预测模型进行可解释性分析。结果B组的2型糖尿病患者比例及术前空腹血糖水平、HbA1c水平、甘油三酯水平、甘油三酯-葡萄糖指数(TYG)、内脏脂肪组织面积(VATA)/皮下脂肪组织面积(SATA)值高于A组,而术前HDL-C水平低于A组(P<0.05)。Logistic回归分析结果表明,TYG与VATA/SATA值为减重代谢手术术后1年HTG缓解的独立预测因子(P<0.05)。模型效能验证结果显示,在训练集、验证集中,基于TYG与VATA/SATA值所构建的列线图预测模型的曲线下面积分别为0.913、0.787,校准曲线提示该模型具有良好的拟合度,DCA与CIC分析提示该模型在不同风险阈值下均能为临床决策带来净获益,临床实用性显著。TYG、VATA/SATA值的平均绝对SHAP值分别为1.354、0.551;两者的特征值均与减重代谢手术术后1年HTG缓解的预测结果呈负向关联,其中TYG的抑制作用更为显著。结论TYG与VATA/SATA值是减重代谢手术术后1年HTG缓解的独立预测因子,其中TYG对预测结果的影响更为显著。二者联合应用可全面反映患者术前糖脂代谢状态与脂肪分布特征,为术后缓解风险评估提供关键依据。 展开更多
关键词 减重代谢手术 高甘油三酯血症 甘油三酯-葡萄糖指数 内脏脂肪组织面积/皮下脂肪组织面积比值 Logistic回归模型 SHAP算法 可解释性分析
暂未订购 下载PDF
基于RFE-SHAP的具有可解释性纱线质量预测研究 认领 引用 被引量：1
3
作者 张保威 郭智林 王永华 《棉纺织技术》 CAS 2026年第1期2-9,共8页
为优化纱线质量预测的特征选择过程,进一步消除小样本环境下存在的冗余特征,提高后续预测过程的准确性、可靠性,提出了一种基于结合递归特征消除算法(RFE)和SHAP的具有可解释性的纱线质量预测方法,即RFE⁃SHAP。首先,选择RFE作为迭代特... 为优化纱线质量预测的特征选择过程,进一步消除小样本环境下存在的冗余特征,提高后续预测过程的准确性、可靠性,提出了一种基于结合递归特征消除算法(RFE)和SHAP的具有可解释性的纱线质量预测方法,即RFE⁃SHAP。首先,选择RFE作为迭代特征选择方法,将支持向量回归(SVR)作为其评估器;然后,引入SHAP技术去量化原始特征对纱线强力及毛羽H值两种纱线质量指标的边际贡献值,从而辅助特征选择,进而提供更直观且解释性更强的特征选择策略;最后,结合神经网络构建纱线强力以及毛羽H值的预测模型。试验结果证明:经RFE⁃SHAP算法得到的最优特征子集作为纱线强力及毛羽H值预测模型的输入时,模型多个评价指标的效果均有提升,其中,对两种纱线质量指标预测的平均绝对百分比误差均未超过3%。认为:该方法具有较高的可行性,可以在一定程度上提高模型的预测性能。 展开更多
关键词 纱线质量预测 特征选择 递归特征消除算法 支持向量回归 SHAP技术
暂未订购 下载PDF
基于EnsembleBRB-SHAP的航空发动机健康状态可解释预测方法 认领 引用 被引量：1
4
作者 游雅倩 闫辉 +2 位作者 苏耀峰 王晓双 鄢睿丞 《计算机工程》 CAS CSCD 北大核心 2026年第4期386-397,共12页
航空发动机健康状态预测作为发动机健康管理的重要环节之一,能够为提升飞机可靠性、降低发动机维护成本等工作提供定量化依据。然而,传统的航空发动机健康状态预测对可解释性关注度较低,导致对发动机视情维修等决策的支撑性不足。为此,... 航空发动机健康状态预测作为发动机健康管理的重要环节之一,能够为提升飞机可靠性、降低发动机维护成本等工作提供定量化依据。然而,传统的航空发动机健康状态预测对可解释性关注度较低,导致对发动机视情维修等决策的支撑性不足。为此,面向发动机健康状态预测的可解释需求,提出基于EnsembleBRB-SHAP模型的航空发动机健康状态可解释预测方法。首先,采用数据驱动法训练多个航空发动机健康状态预测子置信规则库(BRB)模型。在此基础上,构建航空发动机健康状态预测集成置信规则库(EnsembleBRB)模型,在有效利用多源不确定数据的同时,保证模型的预测准确性。然后,基于沙普利加性解释(SHAP),对EnsembleBRB模型进行分析解释,定位影响发动机健康状态的关键因素,实现航空发动机健康状态的可解释性预测。最后,引入商用模块化航空推进系统仿真软件记录的发动机故障实验监测数据,验证所提方法的可行性与有效性。实验结果表明,该方法在航空发动机健康状态预测中的均方误差(MSE)为0.0122,通过局部可解释性与全局可解释性分析,归纳得出低压涡轮机冷却液泄漏量、风扇转速等是决定发动机健康状态的关键参数,进而更好地支撑航空发动机健康管理等决策工作。 展开更多
关键词 集成学习算法 置信规则库 沙普利加性解释 可解释性 发动机健康状态预测
暂未订购 下载PDF
基于XGBoost-SHAP算法的夏热冬冷地区住宅建筑碳排放时空演变及影响因素研究 认领 引用 被引量：1
5
作者 么智 《环境工程技术学报》 CAS CSCD 北大核心 2026年第1期83-99,共17页
为系统探究夏热冬冷地区住宅建筑碳排放的时空演变规律及其驱动机制,利用2007—2021年九省市的面板数据,采用Slope值、泰尔指数及标准差椭圆等方法探究碳排放的时空特征,结合经贝叶斯超参数优化的XGBoost-SHAP框架,分析该地区碳排放的... 为系统探究夏热冬冷地区住宅建筑碳排放的时空演变规律及其驱动机制,利用2007—2021年九省市的面板数据,采用Slope值、泰尔指数及标准差椭圆等方法探究碳排放的时空特征,结合经贝叶斯超参数优化的XGBoost-SHAP框架,分析该地区碳排放的驱动机制差异。结果发现:碳排放总量从2007年的185.64百万t增至2021年的334.61百万t,增速呈现显著的阶段性特征;空间分布呈现出显著的上下游梯度特征及南北向集聚、东西向发散的演化趋势,区域内差异贡献率持续超过90%;影响维度的作用大小为人口规模>技术水平>经济发展>建筑属性>政策支持>气候特征,上、中、下游地区分别呈现“能源主导型”“人口主导型”和“能源经济双轮驱动型”的差异化发展模式,各影响因素普遍存在显著的非线性效应和临界特征。针对区域差异,提出构建“三层联动”的区域协同机制,实施“双轨并进”“精细化管理”和“系统集成”的差异化减排策略。 展开更多
关键词 夏热冬冷地区 住宅建筑 碳排放 时空演变 XGBoost-SHAP算法
暂未订购 下载PDF
基于XGBoost-SHAP框架的科研合作频次归因分析 认领 引用
6
作者 彭兆祺 石斌 +1 位作者 杨杰 邓三鸿 《情报学报》 CSSCI CSCD 北大核心 2026年第3期332-349,共18页
科研合作频次的背后蕴含着复杂的合作特征,在揭示科研人员合作关系的强度与模式方面具有关键作用。本研究选取生物医学领域数据集PKG 2.0(PubMed knowledge graph 2.0)中的13220951条真实合作关系作为样本,旨在揭示不同合作频次背后的... 科研合作频次的背后蕴含着复杂的合作特征,在揭示科研人员合作关系的强度与模式方面具有关键作用。本研究选取生物医学领域数据集PKG 2.0(PubMed knowledge graph 2.0)中的13220951条真实合作关系作为样本,旨在揭示不同合作频次背后的关键驱动因素和内在规律。首先,以合作频次作为表征合作关系强度的代理变量,并根据其数据分布特征将频次划分为低频、中频和高频合作;其次,选择研究相似度、成果生产模式、学术资本和个体属性等维度的10类差异性变量,作为描述作者间合作关系的特征体系,并运用XGBoost(extreme gradient boosting)算法捕捉高维特征间的复杂关联;最后,通过SHAP(shapley additive explanations)解释框架对预测模型进行归因分析,以评估特征对不同合作频次的影响程度和交互机制。本研究发现,作者间研究主题相似度在合作频次分类中发挥主要作用,其次为论文数量差异、总被引用次数差异和均被引次数差异。研究主题高相似是维持高频合作的核心要素,低频合作则更关注总量积累而非个体论文影响力。研究主题相似度、论文数量差异与H指数差异对合作频次的作用模式分别为双峰对称型、阈值稳定型及边际递减型。此外,高频合作对知识结构或影响力构成等异质性因素具有显著的包容性,其背后往往形成了以互补为导向的有效分工机制。 展开更多
关键词 科研合作 合作频次 XGBoost-SHAP 算法归因
暂未订购 下载PDF
基于机器学习与SHAP算法的胶东半岛土壤酸化影响因素分析 认领 引用
7
作者 崔瑾 刘凯 +5 位作者 冯欣玉 孙琳 杨庆润 李明月 刘爱菊 许玉芝 《土壤与作物》 2026年第2期191-201,共11页
土壤酸化已成为制约胶东半岛农业可持续发展的关键问题,但其空间分异的驱动因子尚不明确。为识别影响土壤酸化的关键因子及其作用,于2021年5月在胶东半岛采集144个农田耕层土壤样品,应用随机森林(RF)模型结合SHAP(SHapley Additive exPl... 土壤酸化已成为制约胶东半岛农业可持续发展的关键问题,但其空间分异的驱动因子尚不明确。为识别影响土壤酸化的关键因子及其作用,于2021年5月在胶东半岛采集144个农田耕层土壤样品,应用随机森林(RF)模型结合SHAP(SHapley Additive exPlanations)算法,对土壤pH及其13个影响因子进行了系统分析。结果表明,胶东半岛土壤pH呈现由西北向东南递减的空间分异特征,东南部区域酸化问题突出。RF模型实现了对土壤pH的准确预测(R2=0.999 9),并通过SHAP分析进一步量化了各影响因子的贡献。胶东半岛土壤pH变化的主要驱动因素为硝态氮(NO3--N)与土壤自身缓冲能力(钙镁盐基离子),其中NO3--N贡献率(84.0%)显著高于交换性Ca2+、Mg2+及阳离子交换量(CEC),且NO3--N与Ca2+有强烈的正向交互作用,交换性Ca2+、Mg2+与CEC间存在正向协同作用。土壤pH与NO3--N存在显著的正相关关系(P<0.001),并且土壤NO3--N、Ca2+、Mg2+和CEC空间数值大小与土壤pH值的空间分布高度一致。高缓冲能力土壤对硝态氮和盐基离子的协同固持效应能够有效抑制胶东半岛西北部土壤pH下降;相反,胶东半岛东南部区域的严重酸化,主要是由于该地区低于土壤自身缓冲能力条件下的氮输入导致的。研究结果为该区域防控土壤酸化提供了关键科学依据。 展开更多
关键词 土壤pH值 机器学习 SHAP算法 硝态氮 酸化土壤
暂未订购 下载PDF
新型炎症指数对老年重症心力衰竭患者近期死亡风险的预测价值:基于SHAP算法的可解释性分析 认领 引用
8
作者 张婷 陈睿 曹文斋 《中华保健医学杂志》 2026年第1期5-10,共6页
目的 构建可解释性机器学习模型,预测老年重症心力衰竭患者短期死亡风险,并探讨新型炎症指数的预测价值。方法回顾性分析MIMIC-IV 3.1数据库中诊断为心力衰竭的老年重症患者1994例,按7∶3的比例随机分为训练集和测试集。采用6种机器学... 目的 构建可解释性机器学习模型,预测老年重症心力衰竭患者短期死亡风险,并探讨新型炎症指数的预测价值。方法回顾性分析MIMIC-IV 3.1数据库中诊断为心力衰竭的老年重症患者1994例,按7∶3的比例随机分为训练集和测试集。采用6种机器学习方法建立预测模型,包括logistic回归(LR)、决策树(DT)、随机森林(RF)、自适应增强(AdaBoost)、轻量梯度提升(LightGBM)、高斯朴素贝叶斯(NB)。模型效能通过受试者工作特征(ROC)曲线、精确率-召回率(P-R)曲线、校准曲线评估。采用SHAP进行模型解释并筛选核心炎症指数,通过ROC曲线确定最佳临界值。结果本研究共纳入1994例老年重症心力衰竭患者,28 d内死亡253例(12.7%),存活1741例(87.3%)。经初筛,纳入65个临床特征用于机器学习模型构建。结果显示LightGBM模型展现出最佳的预测性能,ROC曲线下面积(AUC)为[0.897(0.881~0.909)],P-R曲线的平均精度(AP)为0.86,校准曲线显示预测概率与实际观察结果一致。SHAP值分析揭示急性生理学评分Ⅲ(APSⅢ)、格拉斯哥昏迷评分(GCS)、单核细胞与淋巴细胞比值(MLR)、呼吸频率(RR)、年龄、血尿素氮、牛津急性疾病严重度评分(OASIS)、血管紧张素转化酶抑制剂(ACEI)、中性粒细胞与淋巴细胞比值(NLR)、营养风险指数(NRI)是重要的影响因素。ROC曲线分析MLR、NLR的AUC分别为0.682、0.667,以0.426、7.083为截断值,敏感度为0.747、0.751,特异度为0.529、0.503。结论LightGBM模型可较好地预测老年重症心力衰竭患者短期死亡风险,以NLR、MLR为代表的新型炎症指数对老年心力衰竭患者短期死亡风险分层具有潜在临床应用价值。 展开更多
关键词 心力衰竭 死亡风险 单核细胞与淋巴细胞比值 中性粒细胞与淋巴细胞比值 SHAP算法
暂未订购 下载PDF
基于可解释机器学习与SHAP值的精神分裂症患者攻击行为风险预测研究 认领 引用
9
作者 吴青青 沈藕英 陈琳霞 《医院管理论坛》 2026年第1期65-71,共7页
目的通过可解释的机器学习(ML)技术,提高对精神分裂症患者攻击行为风险的预测准确性。方法选取我院2022年1月—2024年6月间收治的529例精神分裂症患者作为研究对象。通过Boruta筛选患者攻击行为特征,以3∶2比例随机分为317例训练集和21... 目的通过可解释的机器学习(ML)技术,提高对精神分裂症患者攻击行为风险的预测准确性。方法选取我院2022年1月—2024年6月间收治的529例精神分裂症患者作为研究对象。通过Boruta筛选患者攻击行为特征,以3∶2比例随机分为317例训练集和212例测试集,8种ML模型10倍交叉验证。结果Boruta算法筛选出8个重要特征变量,包括CTQ-SF、BPRS、HDL、SES、MLR、PANSS阳性症状评分、PANSS一般精神病理评分和PLR。其中,XGBoost模型在ROC曲线中的AUC值最高。CTQ-SF、BPRS和HDL是预测攻击行为风险最重要的三个特征变量。结论XGBoost模型在预测攻击行为风险方面具有较高的准确性和临床价值,通过SHAP值解释,提升了模型的透明性和解释性,有助于临床医生更好地理解模型预测结果。 展开更多
关键词 精神分裂症 机器学习 Boruta算法 Shapley加性解释 风险预测
暂未订购 下载PDF
基于融合SHAP分析的HO-BP烧结矿质量预测模型 认领 引用
10
作者 冯天毅 张文哲 +3 位作者 柴雪东 湛文龙 袁亚强 何志军 《钢铁》 EI CAS CSCD 北大核心 2026年第6期52-60,110,共9页
针对烧结过程质量预测模型预测精度低、决策过程不透明的“黑箱”问题,本文提出融合夏普利可加性解释(Shapley additive explanations,SHAP)与河马优化反向传播(hippo-optimized back propagation,HO-BP)神经网络的预测模型。首先应用S... 针对烧结过程质量预测模型预测精度低、决策过程不透明的“黑箱”问题,本文提出融合夏普利可加性解释(Shapley additive explanations,SHAP)与河马优化反向传播(hippo-optimized back propagation,HO-BP)神经网络的预测模型。首先应用SHAP方法对影响烧结矿质量的16个工艺参数进行重要性量化分析,以提升模型的透明度并验证特征有效性,然后利用河马优化算法对BP神经网络的初始权值和阈值进行全局寻优,构建HO-BP预测模型,以规避传统BP(back propagation)网络易陷入局部最优的问题。最后将特征数据作为HO-BP的输入来预测烧结矿的转鼓强度和成品率。结果表明,SHAP分析得出烧结矿转鼓强度和成品率与固定碳含量、碱度、烧结机速及终点温度等核心影响因素紧密相关。与标准反向传播(BP)、遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)及随机森林等基准模型相比,HO-BP模型在测试集上的决定系数达到0.91,均方根误差、平均绝对误差和均方误差分别为0.28、0.21和0.07,这表明HO-BP模型具有较高的预测精度和良好的泛化能力,为烧结过程的智能化控制提供了可靠的新途径。 展开更多
关键词 烧结矿 SHAP分析 转鼓强度 成品率 预测模型 神经网络 智能算法 数据处理
暂未订购 下载PDF
基于XGBoost⁃SHAP方法的建设项目碳排放空间异质性分析 认领 引用 被引量：9
11
作者 王元庆 李佳玥 +1 位作者 刘备 王芳 《环境科学》 EI CAS CSCD 北大核心 2025年第7期4090-4100,共11页
为使公路建设碳减排更有效,聚焦高速公路建设过程中的碳排放空间异质性,基于广东省A高速公路项目40个分段样本筛选出的构造物类型、桥隧比、设计坡度、路线长度、填方量、挖方量和水泥消耗量这7个碳排放影响关键指标,训练与验证了XGBoos... 为使公路建设碳减排更有效,聚焦高速公路建设过程中的碳排放空间异质性,基于广东省A高速公路项目40个分段样本筛选出的构造物类型、桥隧比、设计坡度、路线长度、填方量、挖方量和水泥消耗量这7个碳排放影响关键指标,训练与验证了XGBoost碳排放预测模型,构建了解释这40个路段碳排放空间异质性的SHAP算法,研究了路段特征对碳排放的影响、总特征贡献和特征交互效应.结果表明,水泥消耗量的增加对碳排放的非线性增长贡献最大,路线长度、挖方量和桥隧比对碳排放的贡献度也较为显著;冷热点分析发现坡度高于2.5%且地形复杂的路段碳排放趋高,存在聚集效应;XGBoost-SHAP模型较地理加权回归模型GWR能更清晰解释碳排放的空间分布特征及其影响因素,在捕捉关键碳源和理解碳排放空间分布特征方面表现更佳.基于以上发现,提出了公路建养碳减排的针对性综合策略,以推动公路建设的可持续发展. 展开更多
关键词 碳排放 空间异质性 XGBoost算法 SHAP算法 可解释性
暂未订购 下载PDF
基于LightGBM和SHAP算法的致密油储层孔隙度预测 认领 引用 被引量：6
12
作者 王伟 党海龙 +3 位作者 康胜松 肖前华 丁磊 石立华 《油气地质与采收率》 CAS CSCD 北大核心 2025年第5期90-99,共10页
为了准确高效地表征致密油储层孔隙度的空间分布特征,同时对机器学习模型的可解释性进行评价,采用Z-Score方法对特征属性进行归一化处理,并应用Optuna超参数优化框架对模型的超参数进行调优,建立了一种基于LightGBM算法的孔隙度预测模型... 为了准确高效地表征致密油储层孔隙度的空间分布特征,同时对机器学习模型的可解释性进行评价,采用Z-Score方法对特征属性进行归一化处理,并应用Optuna超参数优化框架对模型的超参数进行调优,建立了一种基于LightGBM算法的孔隙度预测模型,与GBDT和XGBoost算法模型进行了预测效果的综合对比,并利用SHAP算法对LightGBM模型的输出结果进行了可视化解释分析。研究结果表明:LightGBM模型在训练数据集和测试数据集上的预测决定系数分别为0.984和0.855,模型预测准确度高、泛化能力强,综合预测效果好于GBDT和XGBoost模型。应用SHAP算法对LightGBM模型结果的可解释性进行分析,结果表明,影响LightGBM孔隙度预测模型最重要的5项测井参数为密度、阵列感应电阻率、自然伽马、声波时差和光电吸收截面指数。在研究区某单井X致密层段孔隙度的预测实例中,LightGBM模型预测准确度达93.9%,分别高于GBDT和XGBoost模型的预测准确度86.53%和89.08%;训练时长为0.016 s,分别为GBDT和XGBoost模型训练时长的0.096倍和0.025倍;预测时长为0.01 s,分别为GBDT和XGBoost模型预测时长的0.42倍和0.19倍;LightGBM模型的预测效率相对GBDT和XGBoost模型具有明显优势,其在取心井段上对孔隙度的预测误差更小,预测能力更强,且能更好地拟合低值孔隙度。该方法的应用不仅解决了单井致密层段获取完整准确孔隙度分布的难题,而且提高了孔隙度预测的精度和效率,对致密油储层的评价及高效勘探开发具有一定的参考价值。 展开更多
关键词 致密油储层 机器学习 LightGBM算法 SHAP算法 孔隙度预测
暂未订购 下载PDF
基于机器学习和SHAP算法的声波测井曲线重构及可解释性分析 认领 引用 被引量：18
13
作者 黎子豪 蒋恕 《地质科技通报》 CAS CSCD 北大核心 2025年第1期321-331,共11页
测井技术是查明地下岩性、地层及地质流体的关键技术手段,在石油勘探行业中发挥着至关重要的作用。然而,由于仪器损坏、井眼条件等因素,经常造成测井数据缺失、曲线不全等问题,传统多元线性回归或经验公式方法无法合理地构建测井曲线间... 测井技术是查明地下岩性、地层及地质流体的关键技术手段,在石油勘探行业中发挥着至关重要的作用。然而,由于仪器损坏、井眼条件等因素,经常造成测井数据缺失、曲线不全等问题,传统多元线性回归或经验公式方法无法合理地构建测井曲线间的关系模型使得曲线重构精度相对较低,机器学习算法虽能在大量数据之间找到最为合适的数据映射关系进而提高模型精度,但相较而言其所构建的黑箱模型无法得到良好的解释。近期,可解释性算法的运用使得机器学习在重构测井曲线中的应用更为合理。通过将支持向量回归(support vector regression,简称SVR),随机森林(random forest,简称RF)以及极限梯度提升(extreme gradient boosting,简称XGBoost)和传统多元线性回归方法(linear regression,简称LR)的对比对英国能源局22-30b-11号井声波测井曲线进行了模型重构并基于shapley additive explanations(SHAP)算法对XGBoost模型进行了解释。结果表明,XGBoost在测试集上的决定系数(R2)和均方误差(MSE)分别为0.996,6.371,优于SVR的0.990、15.755和RF的0.993、9.871,而传统多元线性回归方法则为0.969、48.895,表明XGBoost对声波时差曲线的重构具有更高的准确度和更好的泛化性能。创新性地采用SHAP算法对XGBoost黑箱模型的解释表明,在模型构建选择重要特征时,XGBoost模型采用地层温度数据作为特征明显合理于多元线性回归方法采用的井径测井数据。最后基于SHAP对模型进行了单点和全局特征交互解释。上述结果表明在声波测井曲线重构方面,机器学习算法明显优于传统的多元线性回归方法,并证明了SHAP算法在声波测井曲线重构机器学习模型解释方面的可行性,为后续机器学习在测井解释中的发展提供了新的思路。 展开更多
关键词 测井曲线重构 机器学习 模型解释 SHAP算法 声波测井
暂未订购 下载PDF
基于路径规划数据与RF-SHAP算法的湘西州乡村教育设施可达性及其影响因素研究 认领 引用 被引量：2
14
作者 李光宇 丁国胜 +2 位作者 何韶瑶 屈野 张梦淼 《西部人居环境学刊》 CSCD 北大核心 2025年第4期115-121,共7页
教育设施可达性是表征乡村地区教育水平的重要维度。以湘西土家族苗族自治州为例,基于高德地图开放平台路径规划数据服务,建构一个获取区域内“村庄—教育设施”的最短路径时间的系统运行方案,精准、高效测度乡村地区教育设施可达性水... 教育设施可达性是表征乡村地区教育水平的重要维度。以湘西土家族苗族自治州为例,基于高德地图开放平台路径规划数据服务,建构一个获取区域内“村庄—教育设施”的最短路径时间的系统运行方案,精准、高效测度乡村地区教育设施可达性水平。运用克里金插值、空间自相关等方法分析乡村地区教育设施可达性水平的空间格局总体特征和空间集聚特征,运用随机森林模型与SHAP方法(RF-SHAP算法)探索设施可达性影响因素及非线性关系。结果表明:湘西乡村教育设施可达性总体水平欠佳;在各县域中形成了以县城中心向外围逐渐降低的乡村教育设施可达性水平空间分布特征且集聚特征差异显著;其关键影响因素主要包括人口密度、建设用地比率和平均高程,反映了城镇化水平与自然环境特征对可达性水平具有非线性影响。研究对推动实现脱贫地区城乡公共服务均等化具有重要理论与现实意义。 展开更多
关键词 路径规划 RF-SHAP算法 乡村教育设施 可达性 影响因素
暂未订购 下载PDF
基于分层时空框架的共享单车需求预测:LP-TFT模型与SHAP可解释分析 认领 引用 被引量：1
15
作者 李聪颖 袁锴璐 +3 位作者 李静怡 郑晓晶 李坤 何源 《中国公路学报》 EI CAS CSCD 北大核心 2025年第10期305-323,共19页
为揭示共享单车系统需求演变规律,并明确不同因素对需求的影响,提出一种融合特征解耦与深度学习的集群-站点级分层时空预测框架。首先,基于站点间的关联性与相似性改进LP算法,构建站点集群划分模型,其中关联性通过空间距离与出行流量表... 为揭示共享单车系统需求演变规律,并明确不同因素对需求的影响,提出一种融合特征解耦与深度学习的集群-站点级分层时空预测框架。首先,基于站点间的关联性与相似性改进LP算法,构建站点集群划分模型,其中关联性通过空间距离与出行流量表征,相似性通过POI相似度与历史出行量相似度加权表征;引入借还不平衡差异指数评价聚类效果,以最小化借还不平衡差异指数为目标进行站点集群划分;在此基础上,分别建立基于TFT模型的集群级与站点级需求预测模型,并将集群级预测结果整合进站点级预测过程中;最后,运用SHAP方法解析不同因素对集群级与站点级共享单车需求的影响机制。研究结果表明:集群级需求预测过程中,小时特征对集群级需求的影响最显著,表现为夜间抑制、日间促进,气象因素呈现双向调节作用,在温度适中、气压较高、风速与湿度较低时对需求产生促进作用;站点级需求预测过程中,集群需求为核心影响因素,随着集群级结果的引入,站点级预测结果的决定系数R2由0.7679提升至0.8504,平均绝对误差MAE由1.2152降至0.9755,误差降低约19.73%;气象因素在站点层级展现出一定的独立影响趋势,如在部分低温、高湿或风速较大的情境下仍可能促进需求,表明站点级需求不仅依赖于集群需求的整体波动,还受站点周边环境的影响,具有一定独立性。研究构建了基于分层时空框架的共享单车需求预测方法,可为共享单车需求驱动因素识别与动态调度提供决策支持。 展开更多
关键词 交通工程 共享单车需求预测 LP算法 TFT算法 SHAP可解释分析
暂未订购 下载PDF
基于贝叶斯优化XGBoost-SHAP模型的湖南省麻阳县滑坡易发性评价及其可解释性分析 认领 引用 被引量：2
16
作者 罗鹏 凌跃新 陈迪 《华南地质》 CAS 2025年第3期644-656,共13页
在滑坡易发性评价工作中,机器学习模型(如随机森林、梯度提升树、神经网络等)因其可以融合多源数据并处理复杂非线性关系而得到了广泛的应用,但模型决策过程的不透明仍是机器学习模型在滑坡易发性评价中应用仍面临的重要挑战。目前,在... 在滑坡易发性评价工作中,机器学习模型(如随机森林、梯度提升树、神经网络等)因其可以融合多源数据并处理复杂非线性关系而得到了广泛的应用,但模型决策过程的不透明仍是机器学习模型在滑坡易发性评价中应用仍面临的重要挑战。目前,在机器学习模型构建过程中集成可解释分析是揭示模型决策机制从而提高模型透明度的研究方向之一。本文以湖南省麻阳县为研究区,通过XGBoost机器学习算法结合贝叶斯优化算法构建滑坡易发性评价模型,利用混淆矩阵及接受者操作特征曲线开展评价精度验证,以自然断点法对模型的滑坡发生概率进行划分得到滑坡易发性区划图,再结合SHAP(Shapley Additive exPlanations)揭示各影响因子对滑坡发生概率的影响程度,增强模型可信度与可解释性。结果表明,优化后XGBoost模型AUC值(0.8101)相较于初始的XGBoost模型AUC值(0.7974)有一定程度的提升,但优化效果较有限;滑坡极高-高易发区主要集中在研究区的中部和东部,特别是锦江两岸白垩系分布的低丘地区;SHAP特征摘要图揭示了不同特征值对滑坡发育有明显差异,高程、距道路距离和距河流距离是研究区滑坡发育的主要影响因子,对滑坡发育贡献显著。 展开更多
关键词 XGBoost模型 机器学习 SHAP 易发性评价 麻阳县
暂未订购 下载PDF
基于E5-SHAP算法的可解释英语作文自动评分语言模型 认领 引用
17
作者 王兵 单瑞雪 +1 位作者 邢海燕 李盼池 《智能科学与技术学报》 CSCD 2025年第3期370-380,共11页
针对英语作文自动评分系统因依赖复杂深度学习模型而缺乏可解释性的问题,提出了一种基于E5-SHAP算法的可解释英语作文自动评分模型。该模型基于E5-Base模型编码器提取文本特征,结合均值计算和回归层实现评分输出,并引入自适应加权机制,... 针对英语作文自动评分系统因依赖复杂深度学习模型而缺乏可解释性的问题,提出了一种基于E5-SHAP算法的可解释英语作文自动评分模型。该模型基于E5-Base模型编码器提取文本特征,结合均值计算和回归层实现评分输出,并引入自适应加权机制,从语法、句法、词汇多样性等6个维度综合评估作文质量。模型采用LoRA微调技术优化特定层参数,提高对作文特征的适应性。通过SHAP算法计算各特征对最终评分的影响,从而提供清晰的评分依据和解释路径,提升评分过程的透明性和可信度。实验结果表明,与现有模型相比,该模型在ELLIPSE数据集和自建数据集上的表现均有所提升,二次加权卡帕值(QWK)达0.84,在准确性和可解释性上优于现有模型。 展开更多
关键词 英语作文 自动评分模型 E5-SHAP算法 可解释性
暂未订购 下载PDF
基于SHAP-GA-XGBoost融合模型的北京公路货运量预测研究 认领 引用 被引量：1
18
作者 安海岗 孙晓蕾 《物流科技》 2025年第22期93-99,共7页
在北京市公路货运系统日益复杂且对城市经济与物流运转至关重要的背景下,精准预测北京市公路货运量,可为政府交通规划、能源结构调整及应急响应提供科学依据。因此,文章构建SHAP-GA-XGBoost融合模型以更精准的预测北京市公路货运量。首... 在北京市公路货运系统日益复杂且对城市经济与物流运转至关重要的背景下,精准预测北京市公路货运量,可为政府交通规划、能源结构调整及应急响应提供科学依据。因此,文章构建SHAP-GA-XGBoost融合模型以更精准的预测北京市公路货运量。首先,基于需求驱动、供给能力等五大维度,筛选出24个影响北京市公路货运量的初始指标,并使用混频数据模型与KNN反距离权重插值完成数据预处理;其次,利用SHAP值与沃德法筛选出15个关键特征变量,降低模型输入维度;最后,引入Halton低差异序列优化遗传算法初始种群分布,并利用遗传算法实现XGBoost模型的超参寻优。实证结果表明,SHAP-GA-XGBoost融合模型在EMAE、EMAPE等指标上显著优于BP、SVM、LSTM、LSSVM等对比模型,验证了特征工程与算法优化协同的有效性。 展开更多
关键词 SHAP方法 遗传算法 极限梯度提升模型 公路货运量
暂未订购 下载PDF
基于特征选择的SHAP-Transformer高炉铁水硅含量预报模型 认领 引用 被引量：6
19
作者 马居安 郑华伟 +4 位作者 刘栋梁 陆昊 周进东 毕学工 熊玮 《钢铁》 EI CAS CSCD 北大核心 2025年第8期68-78,共11页
数据驱动方法在高炉铁水硅含量预报方面取得了一定的成功,但由于高炉的复杂性,特征参数的强耦合、大时滞和多时间尺度特点提高了模型的训练难度,这是硅预报模型应用需要持续研究和特别关注的问题。采用时间窗口和主成分分析(principal c... 数据驱动方法在高炉铁水硅含量预报方面取得了一定的成功,但由于高炉的复杂性,特征参数的强耦合、大时滞和多时间尺度特点提高了模型的训练难度,这是硅预报模型应用需要持续研究和特别关注的问题。采用时间窗口和主成分分析(principal component analysis,PCA)将22个分钟级的特征参数转化为铁次级参数,进一步采用滑动窗口和最大信息系数(maximal information coefficient,Cimax)确定了参数的滞后时长。利用随机森林优化的SHAP算法对34个参数在强耦合条件下的重要性进行评估,筛选出7个关键参数。使用SHAP算法优化Transformer的自注意力机制,构建了SHAP-Transformer铁水硅含量预报模型,通过现场数据验证了模型的有效性。结果表明,铁水硅质量分数预测误差为-0.05~0.05和-0.1~0.1时,基于滑动窗口时滞分析及耦合参数优选的SHAP-Transformer模型的命中率最高,分别为72.12%和95.76%,比基于MIC参数选择的SHAP-Transformer模型提高了26.67%和21.21%,比基于滑动窗口时滞分析及耦合参数优选的长短时记忆网络(long short-term memory,LSTM)模型提高了17.57%和9.7%。基于滑动窗口时滞分析及耦合参数优选的SHAP-Transformer模型对铁水硅含量的变化趋势预测也有较高的精度,趋势方向预测的准确率为87.3%,趋势类别预测的准确率为60.5%,研究能够为高炉操作者提前判断炉温变化提供可靠依据。 展开更多
关键词 高炉 铁水硅含量 特征选择 时滞分析 随机森林 SHAP算法 炼铁 预报模型
暂未订购 下载PDF
基于TPE-SVM模型和SHAP解释的闪锌矿微量元素特征识别铅锌矿床类型 认领 引用 被引量：4
20
作者 陈忠元 任涛 赵冻 《地球科学》 EI CAS CSCD 北大核心 2025年第11期4355-4369,共15页
为了解闪锌矿微量元素特征对不同成因矿床类型是否能够进行有效判别,系统收集了全球典型的沉积喷流型(SEDEX)、密西西比河谷型(MVT)、火山块状硫化物型(VMS)、矽卡岩型(skarn)和浅成低温热液型(epithermal)铅锌矿床中3117条闪锌矿的12... 为了解闪锌矿微量元素特征对不同成因矿床类型是否能够进行有效判别,系统收集了全球典型的沉积喷流型(SEDEX)、密西西比河谷型(MVT)、火山块状硫化物型(VMS)、矽卡岩型(skarn)和浅成低温热液型(epithermal)铅锌矿床中3117条闪锌矿的12种微量元素含量数据(Mn、Fe、Co、Cu、Ga、Ge、Ag、Cd、In、Sn、Sb、Pb),使用基于Tree-structured Parzen Estimator(TPE)优化的支持向量机机器学习算法建立了闪锌矿微量元素分类模型,并使用SHAP(SHapley Additive exPlanations)方法进行特征重要性分析.结果表明,经优化的TPE-SVM模型在测试集上展现出优异的分类能力,准确率、召回率和F1值均超过0.97.通过SHAP解释发现闪锌矿中Mn、Ge、Co为矿床成因类型判别三大关键元素.本文建立的闪锌矿微量元素判别指标体系,不仅为矿床成因鉴定提供了新的技术手段,更可为复合成矿系统解析、隐伏矿体预测等复杂地质问题提供创新解决方案. 展开更多
关键词 闪锌矿 微量元素 机器学习 TPE优化算法 SHAP算法 矿床地质
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 7 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈