基于XGBoost与SHAP分析的可解释性故障诊断方法研究

1

作者 李开平 张凤丽 +1 位作者 黄祖广 王金江 《制造技术与机床》 北大核心 2025年第6期199-208,共10页

针对现有智能故障诊断方法存在特征输入单一、故障难以提取、模型可解释性较差等问题,提出一种基于XGBoost(extreme gradient boosting)与SHAP(SHapley Additive exPlanations)分析的可解释性故障诊断方法。首先,采用传统信号处理方法... 针对现有智能故障诊断方法存在特征输入单一、故障难以提取、模型可解释性较差等问题,提出一种基于XGBoost(extreme gradient boosting)与SHAP(SHapley Additive exPlanations)分析的可解释性故障诊断方法。首先,采用传统信号处理方法完成多域特征的提取。其次,基于XGBoost集成算法构建故障诊断模型,并根据XGBoost内嵌评估指标对模型进行初步特征解释。最后,运用Tree SHAP方法对诊断模型进行特征解释分析,探究重要特征对轴承故障类别趋势的影响关系,分析特征之间的依赖交互效应,直观、透明地揭示模型的诊断机制。通过实验对比XGBoost与其他传统机器学习方法,本模型在多维评价指标中综合表现更为突出,且具有较强的精确性,故障诊断准确率高达99.62%,具备良好的实际应用价值。 展开更多

关键词 可解释性故障诊断方法 多域特征 XGBoost集成算法 tree shap 特征解释

在线阅读 下载PDF 职称材料

南京市城市轨道交通站点周边地区建成环境对居民活动的影响_基于梯度提升决策树与SHAP解释模型的分析 被引量：14

2

作者 周扬 邵天元 钱才云 《科学技术与工程》 北大核心 2023年第17期7509-7519,共11页

城市轨道交通作为低能耗、少污染、具有可持续属性的公共交通类型之一,其对沿线城市发展、居民生产生活产生深远影响。中国城市轨道交通建设目前仍处于高速发展阶段,部分站点周边地区面临空间利用率不匹配、潮汐客流趋势加重等问题。城... 城市轨道交通作为低能耗、少污染、具有可持续属性的公共交通类型之一,其对沿线城市发展、居民生产生活产生深远影响。中国城市轨道交通建设目前仍处于高速发展阶段,部分站点周边地区面临空间利用率不匹配、潮汐客流趋势加重等问题。城市轨道交通站点周边地区的城市空间规划需关注城市居民的活动特征,以提升站点地区城市空间全时段活力。以南京市中心城区内轨道交通站点周边地区为例,基于城市空间开放数据、实地踏勘调研、互联网移动定位服务(location based service,LBS)数据,采集统计与评价建成环境现状与居民活动特征数据,并运用梯度提升决策树与SHAP(Shapley addictive explanation)解释分析站点地区建成环境与居民活动的非线性关系及建成环境要素之间的交互作用,在此基础上提出建成环境要素适宜区间及协同优化条件,为城市轨道交通站点周边地区空间规划与优化提供建议。 展开更多

关键词 轨道交通站点周边地区 建成环境要素 居民活动 梯度提升决策树 shap

在线阅读 下载PDF 职称材料

建成环境对步行出行强度的影响分析——以南京市中心城区为例

3

作者 余忠洛 费跃 +1 位作者 温旭丽 张强 《交通工程》 2025年第5期38-44,73,共8页

以南京市中心城区为研究范围,在划分步行交通分析小区的基础上,结合POI数据,路网数据、手机信令数据等多源数据,计算分析小区内的建成环境指标和步行出行强度,以建成环境指标为自变量,步行出行强度为因变量,利用梯度提升决策树模型进行... 以南京市中心城区为研究范围,在划分步行交通分析小区的基础上,结合POI数据,路网数据、手机信令数据等多源数据,计算分析小区内的建成环境指标和步行出行强度,以建成环境指标为自变量,步行出行强度为因变量,利用梯度提升决策树模型进行回归分析,基于Shapley additive explanations(SHAP)对变量影响进行分析。结果表明,就业岗位密度、用地混合熵指数和到市中心的距离对步行出行强度预测值的贡献较大,且具有一定的阈值效应和空间分布差异性。 展开更多

关键词 建成环境 步行出行强度 梯度提升决策树 shap 空间分布

在线阅读 下载PDF 职称材料

基于可解释性的多模型融合的古代玻璃成分分析及亚分类方法

4

作者 汤思远 黎恒 +2 位作者 邱诗睿 朱宇坤 柯圆圆 《江汉大学学报（自然科学版）》 2024年第6期37-51,共15页

因埋藏环境的影响会使玻璃的内部元素和环境元素进行交换而风化,导致成分比例都发生变化,给考古工作带来一定影响。从玻璃文物的化学成分含量角度进行分析,利用单变量因素分析,卡方检验和SHAP-SVC相融合的方法得到如下结果:与古玻璃风... 因埋藏环境的影响会使玻璃的内部元素和环境元素进行交换而风化,导致成分比例都发生变化,给考古工作带来一定影响。从玻璃文物的化学成分含量角度进行分析,利用单变量因素分析,卡方检验和SHAP-SVC相融合的方法得到如下结果:与古玻璃风化程度相关的3个指标排序为玻璃类型>纹饰>颜色。通过数据挖掘,将玻璃的类型作为分类变量,将玻璃的化学成分的含量作为呈现变量,对14种化学成分含量进行可视化分析,得出玻璃表面有无风化化学成分含量的统计规律,即当高钾玻璃的SiO_(2)含量高于90%时大概率出现风化现象,铅钡玻璃的SiO_(2)含量低于30%时大概率出现风化现象。然后,利用风化前后的各个成分含量的中位数的差值构建风化预测模型,通过GMM和决策树算法,建立了玻璃的粗分类和亚分类模型,给出了铅钡玻璃亚类主要通过PbO、SiO_(2)、SrO、BaO和CaO这5种化学成分含量进行划分,而高钾玻璃亚类则是通过CaO、Al_(2)O_(3)和SiO_(2)这3种化学成分含量进行划分。 展开更多

关键词 古代玻璃 玻璃风化 风化预测 玻璃分类 shap-SVC 决策树

在线阅读 下载PDF 职称材料

“三减三健”政策下基于XGBoost与SHAP分析的可解释性肥胖风险预测研究

5

作者 曹克苗 《运筹与模糊学》 2025年第3期477-492,共16页

在全球肥胖问题日益严峻及中国“三减三健”政策推进的背景下,本研究基于墨西哥、秘鲁和哥伦比亚三国2111份多维度健康数据集,提出一种基于XGBoost与SHAP分析的可解释性肥胖风险预测方法。首先基于XGBoost集成算法构建肥胖风险预测模型... 在全球肥胖问题日益严峻及中国“三减三健”政策推进的背景下,本研究基于墨西哥、秘鲁和哥伦比亚三国2111份多维度健康数据集,提出一种基于XGBoost与SHAP分析的可解释性肥胖风险预测方法。首先基于XGBoost集成算法构建肥胖风险预测模型(模型准确率达96.22%),并根据XGBoost内嵌评估指标对模型进行初步特征解释。运用TreeSHAP方法对诊断模型进行特征解释分析,探究重要特征对肥胖风险的影响关系,分析特征之间的依赖交互效应,直观、透明地揭示模型的预测机制。最后利用聚类分析将人群划分为6类,结合中国“体重管理年”政策提出精准干预策略。研究验证了“饮食–运动”干预路径的跨文化有效性,为《健康中国2030》的全球化经验输出提供循证依据,开创了健康政策国际互鉴的新范式。 展开更多

关键词 三减三健 肥胖风险预测 XGBoost模型 treeshap 特征解释

暂未订购

资源一号02D卫星高光谱数据黄河三角洲湿地景观分类 被引量：14

6

作者 韩月 柯樱海 +2 位作者 王展鹏 梁德印 周德民 《遥感学报》 EI CSCD 北大核心 2023年第6期1387-1399,共13页

资源一号02D卫星(ZY-1 02D)于2019年成功发射,2020年10月正式投入使用,是中国自主建造并成功运行的首颗民用高光谱业务卫星,具有广泛的应用前景。本研究以黄河三角洲湿地为研究区,以ZY-1 02D高光谱(AHSI)影像为数据源,结合无人机和地面... 资源一号02D卫星(ZY-1 02D)于2019年成功发射,2020年10月正式投入使用,是中国自主建造并成功运行的首颗民用高光谱业务卫星,具有广泛的应用前景。本研究以黄河三角洲湿地为研究区,以ZY-1 02D高光谱(AHSI)影像为数据源,结合无人机和地面调查数据,开展湿地景观分类研究。首先通过ZY-1 02D AHSI获取地物反射率波谱曲线,分析不同地物波谱曲线的差异,作为地物识别和分类的依据;充分考虑研究区植被覆盖度的差异,结合无人机影像制定研究区7类基本地物和9类精细地物两种湿地景观分类体系;利用随机森林算法进行分类,并引入Tree SHAP方法进行波段重要性排序和选择;探究影响ZY-1 02D AHSI分类的重要波段,选取与Landsat 8 OLI多光谱波段相重叠的波段进行分类,并与Landsat 8 OLI分类结果进行比较。结果表明:(1) ZY-1 02D AHSI数据能够较好地反映不同地物类型光谱曲线的差异;(2)对于两种分类体系,仅用前40个重要波段的总体分类精度达到最高,7类基本地物分类和9类精细地物分类的分类精度分别为92.18%和90.76%,这40个波段大多位于可见光、近红外波段;(3)对于两种分类体系,分别选取与Landsat 8 OLI多光谱波段重叠的24个和29个波段进行分类,分类精度达到90.01%和89.76%,均明显高于Landsat 8 OLI的分类精度;(4)蓝、绿波段对于识别高、低密度互花米草和芦苇较为重要,短波红外波段对于芦苇的识别较为重要,红波段对于识别高、低密度碱蓬较为重要。ZY-1 02D AHSI数据的波谱范围较窄,波谱连续,能够较好地体现地物光谱曲线的细微变化,在区分不同地物以及植被覆盖度差异上具有明显优势。本研究有利于及时有效地监测黄河三角洲湿地资源现状,为ZY-1 02D高光谱数据在湿地生态监测应用提供科学参考依据。 展开更多

关键词 ZY-102D AHSI影像 高光谱数据 植被覆盖度 随机森林 tree shap

原文传递

考虑建成环境交互影响的共享单车需求预测 被引量：1

7

作者 魏晋 安实 张炎棠 《科学技术与工程》 北大核心 2023年第26期11424-11430,共7页

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素,然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的,使用了深圳市共享单... 共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素,然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的,使用了深圳市共享单车出行数据、兴趣点数据(point of interest,POI)、路网数据和公交线路数据等多源数据,采用梯度提升决策树(gradient boosting decision tree,GBDT)模型预测共享单车出行需求,并与BP(back propagation)神经网络模型预测结果进行比较;最后借助SHAP(shapley additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响,并分析各影响因素及其交互作用。实验结果表明:GBDT模型预测结果平均绝对误差为0.683,均方根误差为0.728,较BP神经网络模型预测准确性更高;通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显,土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析,从而为共享单车发展提出改善建议。 展开更多

关键词 共享单车 需求预测 POI数据 梯度提升决策树 shap(shapley additive explanation)

在线阅读 下载PDF 职称材料

思茅松整形修剪技术研究 被引量：1

8

作者 罗婷 姜远标 李江 《山东林业科技》 2023年第5期84-89,共6页

针对种子园树体整形修剪管理需要,以2年生嫁接思茅松幼树为研究对象,设置矮化整形树体培育及枝条修剪反应两组修剪试验,通过1年试验处理,观测树体整形培育和枝条修剪反应,结果表明:“开心形”和“主干分层形”两种整形修剪处理都达到了... 针对种子园树体整形修剪管理需要,以2年生嫁接思茅松幼树为研究对象,设置矮化整形树体培育及枝条修剪反应两组修剪试验,通过1年试验处理,观测树体整形培育和枝条修剪反应,结果表明:“开心形”和“主干分层形”两种整形修剪处理都达到了预期目标。修剪后侧枝和主干都明显增粗,生长健壮,修剪能够明显的促进侧枝增粗和小枝萌发,一级侧枝粗、一级侧枝长均优于对照组,尤其是中度剪效果最佳。基于试验结果,总结提出了思茅松整形修剪技术。 展开更多

关键词 思茅松 整形修剪 一级侧枝 树形 主干

在线阅读 下载PDF 职称材料

基于回归树集成学习方法的工业增长预测和分析 被引量：1

9

作者 陈磊 李丽娟 《计量经济学报》 CSSCI CSCD 2024年第1期104-129,共26页

本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随... 本文从众多变量中筛选出59个相关经济指标,分别考查疫情前后传统时间序列模型和几种回归树集成学习模型对中国工业增加值增速的预测效果,并结合Shapley additive explanations(SHAP)方法对相关预测变量的作用进行解释分析.研究发现,随着预测步长的增加和新冠疫情的暴发,传统时间序列模型的预测性能明显减弱,而集成学习模型的预测表现则相对较好,其中梯度提升树模型在较长预测步长中更加稳健和准确.基于SHAP方法的分析发现,作为预测变量的经济指标在不同时期的重要性有所不同,除生产、投资等指标外,金融类变量在高风险时期也具有一定的预测作用,需结合具体时间和预期目标来选择合适的经济指标进行工业增长预测.基于预测的视角可在一定程度上说明新冠疫情冲击可能不会改变工业增长未来走势的基本面. 展开更多

关键词 工业增加值预测 回归树集成学习 shapley additive explanations(shap)方法 梯度提升树模型

原文传递

机器学习方法能识别中国系统性金融风险的概率吗?

10

作者 王达 周映雪 《金融市场研究》 2023年第7期48-58,共11页

本文采用梯度提升树这一机器学习模型,基于美国等17个国家的25个特征变量的宏观经济数据集,构造了风险识别模型对中国的系统性风险概率进行全面解析,并通过SHAP Value解释模型,在非线性非参数模型下探索中国的风险影响因素。实证结果表... 本文采用梯度提升树这一机器学习模型,基于美国等17个国家的25个特征变量的宏观经济数据集,构造了风险识别模型对中国的系统性风险概率进行全面解析,并通过SHAP Value解释模型,在非线性非参数模型下探索中国的风险影响因素。实证结果表明,梯度提升树模型对系统性风险的捕捉能力显著优于传统的逻辑回归模型,其能够较好地刻画中国的风险概率走势;经过SHAP Value分解可发现,信贷因素、货币因素、金融市场化因素及国内总储蓄等是主要的风险拉动因子,且均存在明显的阈值效应。 展开更多

关键词 系统性风险 机器学习 梯度提升树 shap Value

原文传递

红枣栽培技术 被引量：3

11

作者 赵彬成 《北京农业（下旬刊）》 2012年第A04期23-24,共2页

从生物学特性、主栽品种、存在的问题、建园技术、幼树管理和整形修剪等方面介绍红枣栽培技术,为红枣的优质建园提供技术参考。

关键词 红枣 生物学特性 主栽品种 建园技术 幼树管理 整形修剪

原文传递