基于可解释机器学习的自适应可变导向车道通行能力提升研究

1

作者 孙煦 来雨豪 郄堃 《交通工程》 2025年第2期16-22,33,共8页

为了解决交叉口拥堵问题,本研究根据不同时段的交通流量和流向的不均衡性,提升道路通行效率,设计一种基于车道间排队差异的动态左直可变导向车道控制策略(Lane queue differentiation guidance,LQDG),并利用GBDT(Gradient Boosting Deci... 为了解决交叉口拥堵问题,本研究根据不同时段的交通流量和流向的不均衡性,提升道路通行效率,设计一种基于车道间排队差异的动态左直可变导向车道控制策略(Lane queue differentiation guidance,LQDG),并利用GBDT(Gradient Boosting Decision Tree)模型和SHAP(SHapley Additive exPlanations)建立特征分析框架,解析交叉口延误致因。实验结果显示:①LQDG控制策略与原方案相比行车延误减少73.01%,极大提升交叉口通行效率;②根据GBD T-SHAP分析结果,主线流量对安全时距和停车距离的影响在1200 pcu/h以下呈负相关,大于1200 pcu/h呈正相关。本方法可为缓解交叉口拥堵提供设计方案以及影响通行能力因素的相关性,为优化城市道路通行能力提供一定的理论支撑。 展开更多

关键词 交通工程 可变车道控制 交通仿真 可解释机器学习 交互分析

在线阅读 下载PDF 职称材料

可解释机器学习在油气领域人工智能中的研究进展与应用展望 被引量：2

2

作者 闵超 文国权 +2 位作者 李小刚 赵大志 李昆成 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期114-126,共13页

人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的... 人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的人工智能在油气田中的融合和发展。为此,系统介绍了可解释机器学习方法在油气田勘探开发过程的研究现状,阐述了机器学习模型的可解释性是促进油气领域人工智能大规模应用的关键,以及事后可解释方法在油气机器学习方法上的局限性,并对技术的应用进行了展望。研究结果表明:(1)利用Shapley加性解释(SHAP)和模型无关局部解释(LIME)等事后可解释方法进行煤层气产能主控因素实例验证,指出了可解释的油气田特征指标还不足以完全指导可解释模型的构建和分析,需要基于本质可解释思路建立符合油气田勘探开发自身特点的本质可解释机器学习方法;(2)利用机理模型、因果推断和反事实解释等本质可解释方法,分析油气田数据和模型参数之间的因果关系,构建了本质可解释机器学习方法;(3)选取典型煤层气压裂数据进行产能预测实例验证,发现因果推断能有效挖掘地质参数、施工参数和产能之间的本质关系,且基于因果关系建立的机器学习模型可以实现预测泛化性能提升。结论认为,基于事后可解释和本质可解释机器学习方法不仅是未来油气领域人工智能发展的必然趋势,而且是解决人工智能在油气领域现场落地的“瓶颈”问题及关键技术。 展开更多

关键词 油气田勘探开发 人工智能 机器学习 可解释机器学习 事后可解释 本质可解释

在线阅读 下载PDF 职称材料

融合可解释机器学习的成品汽油调和配方质量预测评价与致因分析 被引量：1

3

作者 李炜 郑明杰 +1 位作者 李亚洁 梁成龙 《石油学报（石油加工）》 EI CAS CSCD 北大核心 2024年第1期126-136,共11页

受成品汽油调和配方需“先验”评价与修正的驱动,本研究将轻量级梯度提升树(LightGBM)与可解释机器学习(SHAP)方法相结合,兼顾复杂模型精度高与后验SHAP可解释性强的各自优势,提出了一种调和配方质量预测评价及致因分析方法。该方法先... 受成品汽油调和配方需“先验”评价与修正的驱动,本研究将轻量级梯度提升树(LightGBM)与可解释机器学习(SHAP)方法相结合,兼顾复杂模型精度高与后验SHAP可解释性强的各自优势,提出了一种调和配方质量预测评价及致因分析方法。该方法先引用改进遗传算法(IGA)优化LightGBM的超参数,建立了可同时预测成品汽油性能和环保指标的模型,并结合汽油国ⅥA标准与企业生产实际制定了配方质量评价标准,实现配方“先验”评价;再基于SHAP的全局和局部致因分析,对缺陷配方给出了易于操作的单变量定性修正建议。实验结果表明:相比于传统BP网络和随机森林(RF)、以及采用随机搜索和GA优化参数的LightGBM等模型,IGA_LightGBM模型可得到更全面和精准的预测指标,SHAP致因分析可给出契合实际的修正建议。该方法是智能算法代替人工的有益探索。 展开更多

关键词 成品汽油调和 配方质量评价 可解释机器学习 预测建模 致因分析 参数优化

在线阅读 下载PDF 职称材料

基于可解释机器学习框架的列车乘车区段客流分布预测方法 被引量：1

4

作者 孙国锋 景云 +2 位作者 李和壁 田志强 田小鹏 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第2期249-262,共14页

为解释客运产品特征对列车乘车区段客流分布预测的影响,本文提出一种基于可解释机器学习框架的高速铁路列车乘车区段客流分布预测方法。首先,提出基于梯度提升树模型的高速铁路列车乘车区段客流分布预测框架,构建不同梯度提升树模型(GBD... 为解释客运产品特征对列车乘车区段客流分布预测的影响,本文提出一种基于可解释机器学习框架的高速铁路列车乘车区段客流分布预测方法。首先,提出基于梯度提升树模型的高速铁路列车乘车区段客流分布预测框架,构建不同梯度提升树模型(GBDT、XGBoost、LightGBM及CatBoost)的高速铁路列车乘车区段客流分布预测模型;其次,计算特征贡献重要度,基于SHAP(SHapley Additive exPlanations)方法实现特征变量优化,揭示单一特征和交互特征与列车乘车区段客流分布预测的非线性关系。北京南—上海虹桥间列车客流分布预测结果表明:4种模型可精准预测客流分布结果,GBDT,XGBoost,LightGBM及CatBoost在测试集的决定系数分别为0.9664,0.9601,0.9680及0.9715;特征优化后,按贡献重要度排序依次为标杆车,票价,旅行时间,日期,星期,车次及出发时间;特征优化后,CatBoost-7模型在验证集中的决定系数为0.9458;日期和标杆车对客流分布预测呈现非线性正相关,旅行时间对客流分布预测呈现非线性负相关,低旅行时间、高票价及出发时间整点的标杆车对客流分布预测产生正向影响。本文研究结果能够为高速铁路客运产品设计提供一定参考价值。 展开更多

关键词 铁路运输 客流分布预测 可解释机器学习 列车乘车区段 非线性关系

在线阅读 下载PDF 职称材料

建成环境与成都老年人步行频次的非线性关系和协同效应:可解释机器学习分析 被引量：1

5

作者 魏东 杨林川 《西部人居环境学刊》 CSCD 北大核心 2024年第6期75-82,90,共9页

步行对老年人的身心健康至关重要。在积极应对人口老龄化和健康中国两大战略背景下,构建满足老年人步行出行需求、支持老年人步行活动的空间,已成为城乡规划学科的一项紧迫任务。现有研究已广泛证实了社区建成环境与老年人步行行为的密... 步行对老年人的身心健康至关重要。在积极应对人口老龄化和健康中国两大战略背景下,构建满足老年人步行出行需求、支持老年人步行活动的空间,已成为城乡规划学科的一项紧迫任务。现有研究已广泛证实了社区建成环境与老年人步行行为的密切关联,但大多未能充分考虑变量之间可能存在的非线性关系及其协同效应。本研究以成都市为例,借助POI和街景图像等多源大数据,运用前沿的可解释机器学习方法(融合LightGBM和SHAP模型),分析了社区建成环境与老年人步行频次之间的非线性关系和变量之间的协同效应。结果表明,对老年人步行频次影响最大的3个建成环境变量是人行道占比、归一化植被指数和休闲娱乐设施可达性。SHAP模型进一步揭示了社区建成环境对老年人步行行为存在阈值效应,并详细描述了变量之间的协同效应。最后,提出了完善社区服务设施建设、提高社区步行道通达性、营造高品质公共空间,以及考虑建成环境要素的交互作用四个方面的规划建议。本研究为城乡规划学科参与老年人活动研究展现了新的视角,并为以支持步行活动为导向的适老步行环境规划设计提供了科学支撑。 展开更多

关键词 建成环境 物质环境 步行行为 人口老龄化 健康老龄化 可解释机器学习

在线阅读 下载PDF 职称材料

基于可解释机器学习的固体填充床储热装置快速设计研究

6

作者 范昌浩 李明佳 +2 位作者 李梦杰 张腾 张传琪 《西安交通大学学报》 EI CAS CSCD 北大核心 2024年第11期87-97,共11页

为了解决填充床储热装置性能计算耗时、设计方法匮乏、难以满足多种储热场景需求的问题,提出了一种具有一定通用性、能够快速给出准确设计结果的固体填充床储热装置设计方法。首先,建立了固体填充床储热装置储热效能数据集,基于此训练... 为了解决填充床储热装置性能计算耗时、设计方法匮乏、难以满足多种储热场景需求的问题,提出了一种具有一定通用性、能够快速给出准确设计结果的固体填充床储热装置设计方法。首先,建立了固体填充床储热装置储热效能数据集,基于此训练了可准确预测装置储热效能的人工神经网络模型;其次,采用SHapley Additive exPlanation方法对人工神经网络模型的预测进行解释,量化了材料物性、装置结构尺寸以及运行参数对装置储热效能的影响;最后,建立了固体填充床储热装置储热效能关联式,基于储热效能关联式提出了适用于多种储热场景的填充床储热装置设计流程,并以西班牙Andasol 1光热电站中的储热装置为实例进行了计算分析。研究结果表明:储热效能关联式计算结果与数值模拟结果的相对偏差在10%以内,可用于填充床储热装置储热效能的快速计算和准确预测;与传统数值模拟方法相比,所提方法的计算效率提高了5个数量级,设计方案经济上可行,证明了该储热效能关联式在工程实践中的便利性和实用性。 展开更多

关键词 填充床储热装置 储热效能 快速设计 可解释机器学习

在线阅读 下载PDF 职称材料

基于可解释机器学习框架的快速路立交出口风险预测及致因解析 被引量：10

7

作者 赵晓华 亓航 +3 位作者 姚莹 郭淼 国景枫 张云龙 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第1期152-161,共10页

为实现城市快速路立交出口安全风险防控,提升城市道路整体安全性,对快速路立交出口风险水平进行预测,并探究运行状态、控制设施、道路属性、天气等因素对立交出口安全风险的影响.基于导航数据和实地调查数据,以交通秩序指数作为事故替... 为实现城市快速路立交出口安全风险防控,提升城市道路整体安全性,对快速路立交出口风险水平进行预测,并探究运行状态、控制设施、道路属性、天气等因素对立交出口安全风险的影响.基于导航数据和实地调查数据,以交通秩序指数作为事故替代指标,采用极限梯度提升(XGBoost)算法构建交通秩序预测模型,并利用可解释机器学习框架SHAP解析安全风险致因.结果表明:XGboost算法能够精准预测立交出口安全风险,准确率93.69%,精确率93.73%,召回率93.69%;拥堵指数是立交出口安全风险的重要影响因素;缓解拥堵,减少交通分流合流以及降低天气的影响对提升道路安全均有积极效应;不同拥堵状态下的预告标志数或车道数对交通秩序指数具有差异化影响. 展开更多

关键词 快速路立交出口 交通安全风险 风险预测 致因解析 可解释机器学习

在线阅读 下载PDF 职称材料

基于可解释机器学习的神经网络软剪枝策略 被引量：1

8

作者 李惠原 徐奕 徐国整 《信息技术》 2023年第7期107-111,共5页

软剪枝是重要的神经网络剪枝策略,但该策略通常只考虑滤波器参数大小或参数矩阵在空间的分布,忽略了参数编码的语义信息,忽略了滤波器参数与数据的紧密联系。为此,提出一种基于可解释机器学习的神经网络软剪枝策略,该策略通过结合可解... 软剪枝是重要的神经网络剪枝策略,但该策略通常只考虑滤波器参数大小或参数矩阵在空间的分布,忽略了参数编码的语义信息,忽略了滤波器参数与数据的紧密联系。为此,提出一种基于可解释机器学习的神经网络软剪枝策略,该策略通过结合可解释机器学习方法,分析滤波器对数据内容理解的重要程度,以该重要程度为指标进行滤波器的排序和剪枝。实验结果表明,该策略在VGG、ResNet模型、CIFAR10通用数据集上均取得了较好的剪枝效果,并具有可解释性,可充分挖掘滤波器参数与图像信息之间的相关性分布。 展开更多

关键词 软剪枝 可解释机器学习 模型剪枝 模型压缩

在线阅读 下载PDF 职称材料

居民对自动驾驶汽车的偏好:基于可解释机器学习 被引量：1

9

作者 仲浩天 吴文君 《世界建筑》 2023年第7期24-25,共2页

新兴技术正在塑造城市和日常生活的同时,技术进步也可能加剧现有或带来新的不平等。本文以自动驾驶汽车为例,介绍了从交叉性视角出发的机器学习分析范式,并基于北京市居民对该技术偏好的试点调查,利用可解释机器学习—迭代随机森林模型... 新兴技术正在塑造城市和日常生活的同时,技术进步也可能加剧现有或带来新的不平等。本文以自动驾驶汽车为例,介绍了从交叉性视角出发的机器学习分析范式,并基于北京市居民对该技术偏好的试点调查,利用可解释机器学习—迭代随机森林模型,初步探究了个体多维特征之间相互交叉、建构所产生的行为偏好机制。结果表明,结合交叉性视角和可解释机器学习有效打破了传统方法论的局限,为推动新兴技术的公平转型提供了可操作性的分析框架。 展开更多

关键词 自动驾驶汽车 公平演进 交叉性视角 可解释机器学习

在线阅读 下载PDF 职称材料

可解释机器学习与物理规律融合的热物性显式预测方法——以气相声速为例

10

作者 彭夏尧 杨震 段远源 《计量学报》 2025年第4期467-474,共8页

提出了一种热物理规律指导的人工智能探索方法,利用计算机代替执行规律探索和公式提出过程。以基础热物性参数气相声速为例,针对截断维里方程在气相高压区的固有局限性,使用符号回归对表征多分子作用的众多高阶维里系数项进行总结归纳,... 提出了一种热物理规律指导的人工智能探索方法,利用计算机代替执行规律探索和公式提出过程。以基础热物性参数气相声速为例,针对截断维里方程在气相高压区的固有局限性,使用符号回归对表征多分子作用的众多高阶维里系数项进行总结归纳,形成了通用性的显式预测模型。模型预测28种物质的气相声速的均方根相对偏差仅为0.29%,且在近临界压力处的预测偏差显著低于现有的模型。研究结果有望形成一种新的热物性预测模型探索方法,也是对机器学习黑箱模型进行物理意义解释的一个尝试。 展开更多

关键词 热物性计量 气相声速 声学维里方程 数据驱动 可解释机器学习 符号回归

在线阅读 下载PDF 职称材料

基于可解释机器学习的混凝土重力坝变形安全监控模型

11

作者 程琳 袁喜娜 +2 位作者 马春辉 贾冬焱 徐笑颜 《水利水电科技进展》 2025年第3期77-85,共9页

针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题,引入SHAP值理论,并结合LightGBM模型,建立了一种具备可解释性的混凝土重力坝变形安全监控模型,且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明,该... 针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题,引入SHAP值理论,并结合LightGBM模型,建立了一种具备可解释性的混凝土重力坝变形安全监控模型,且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明,该模型考虑了变形与环境量之间复杂的非线性关系,更接近真实情况,不仅具有良好的拟合精度和预测精度,还能对模型进行全局和局部的解释。 展开更多

关键词 混凝土重力坝 变形安全监控 可解释机器学习 SHAP值理论 LightGBM模型

在线阅读 下载PDF 职称材料

基于超参数优化集成学习的出行方式选择研究

12

作者 李晓东 曹克让 匡海波 《交通运输系统工程与信息》 EI CSCD 北大核心 2024年第6期159-168,共10页

为解决传统出行方式选择模型和机器学习模型存在的识别精度不高、超参数优化复杂,以及模型可解释性弱等问题,本文分别采用遗传算法和贝叶斯优化对极限梯度提升机模型进行超参数寻优,进一步融合SHAP(SHapley Additive exPlanations)模型... 为解决传统出行方式选择模型和机器学习模型存在的识别精度不高、超参数优化复杂,以及模型可解释性弱等问题,本文分别采用遗传算法和贝叶斯优化对极限梯度提升机模型进行超参数寻优,进一步融合SHAP(SHapley Additive exPlanations)模型可视化出行方式属性和个体特征对选择概率的非线性关系,采用5折交叉验证的方式训练,避免过拟合。最终,结合瑞士地铁数据验证所提模型的优越性。结果表明,增强离散选择模型中效用函数的非线性表达,可以提高模型预测性能,但仍然不如机器学习模型;采用遗传算法和贝叶斯优化后的极限梯度提升机模型,在出行选择预测准确率、召回率和F1分数均高于传统的线性或非线性效用函数多项式Logit模型以及普通随机森林和极限梯度提升机;采用遗传算法优化的极限梯度提升机模型预测准确性最高,为0.781,优于基于多次网格搜索的常规模型;采用遗传算法优化超参数比多次网格搜索的方式训练时间降低了81.4%;不同出行方式的成本和时间是影响选择的重要因素,火车和汽车对于时间的敏感性更高,瑞士地铁对于成本的敏感性更高。 展开更多

关键词 城市交通 个体出行预测 超参数优化 出行方式选择 可解释机器学习

在线阅读 下载PDF 职称材料

基于景观图式特征的低等级公路美学质量评估

13

作者 姚思喆 陈雨人 +1 位作者 余博 何丽 《交通与运输》 2025年第2期29-35,共7页

为提升低等级公路美学质量评估的客观性和高效性,通过分析语义、色彩与纹理三类景观图式特性(包括多样性、统一性及对称性),并结合XGBoost算法与SHAP算法构成可解释机器学习框架,进而实现公路美学质量的定量计算。结果表明:所提出的方... 为提升低等级公路美学质量评估的客观性和高效性,通过分析语义、色彩与纹理三类景观图式特性(包括多样性、统一性及对称性),并结合XGBoost算法与SHAP算法构成可解释机器学习框架,进而实现公路美学质量的定量计算。结果表明:所提出的方法能有效评估低等级公路的整体美学质量,并生成相应美学分数;该方法具有较高可解释性,能为低等级公路的美学优化设计提供技术支持。 展开更多

关键词 低等级公路 美学质量 可解释机器学习 景观图式 美学特征

在线阅读 下载PDF 职称材料

SAR图像目标识别的可解释性问题探讨 被引量：24

14

作者 郭炜炜 张增辉 +1 位作者 郁文贤 孙效华 《雷达学报（中英文）》 CSCD 北大核心 2020年第3期462-476,共15页

合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用... 合成孔径雷达(SAR)图像目标识别是实现微波视觉的关键技术之一。尽管深度学习技术已被成功应用于解决SAR图像目标识别问题,并显著超越了传统方法的性能,但其内部工作机理不透明、解释性不足,成为制约SAR图像目标识别技术可靠和可信应用的瓶颈。深度学习的可解释性问题是目前人工智能领域的研究热点与难点,对于理解和信任模型决策至关重要。该文首先总结了当前SAR图像目标识别技术的研究进展和所面临的挑战,对目前深度学习可解释性问题的研究进展进行了梳理。在此基础上,从模型理解、模型诊断和模型改进等方面对SAR图像目标识别的可解释性问题进行了探讨。最后,以可解释性研究为切入点,从领域知识结合、人机协同和交互式学习等方面进一步讨论了未来突破SAR图像目标识别技术瓶颈有可能的方向。 展开更多

关键词 合成孔径雷达 自动目标识别 深度学习 可解释性 可解释机器学习

在线阅读 下载PDF 职称材料

铁路轨道工程物化阶段碳排放预测及影响因素研究

15

作者 鲍学英 韩通 霍雨雨 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4299-4310,共12页

在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放... 在国家“双碳”战略目标下,铁路领域低碳转型势在必行。轨道工程作为铁路工程的重要组成部分,其物化阶段产生的碳排放是铁路工程碳排放的重要来源。为量化铁路轨道工程物化阶段碳排放,并实现智能化分析,建立铁路轨道工程物化阶段碳排放计算模型,并提出一种基于机器学习算法的碳排放预测及影响因素分析模型。首先,界定物化阶段研究边界,分解铁路轨道工程,以主要工序为基本计算单元,采用碳排放因子法建立碳排放计算模型;其次,运用梯度提升树算法(Light Gradient Boosting Machine,LigtGBM)构建碳排放预测模型,并引入可解释机器学习模型(Shapley Addictive Explanation,SHAP)分析影响因素对碳排放量的贡献。以某西南山区铁路轨道工程为例,选取其中典型单元轨节计算碳排放量,结果显示1 km长度碳排放总量为1290.94 t,物化阶段中材料生产阶段碳排放占比最大,约为87.21%;分项工程中铺轨和铺道床的碳排放占比较高,分别为47.44%和46.44%。提取该轨道工程碳排放相关特征作为影响因素,对LigtGBM-SHAP模型进行验证,各项评估指标的数值表明模型具有较好的预测效果,影响因素重要度由大到小依次为轨道结构形式、线路地段、轨枕类型或轨道板、施工天数、区段坡度、区段运输距离,并在结果分析中通过单因素特征依赖图明晰各影响因素的分类变量或数值变化对碳排放量产生的影响。研究成果为铁路轨道工程碳排放计算、预测及分析提供了一个更加智能、全面的研究模型,为铁路工程建设进行碳减排工作提供参考。 展开更多

关键词 物化阶段 碳排放预测 影响因素 梯度提升树算法 可解释机器学习

在线阅读 下载PDF 职称材料

基于遗传编程的符号回归在化学和材料研究中的应用与展望 被引量：2

16

作者 田嘉欣 李浩源 《材料导报》 EI CAS CSCD 北大核心 2024年第S01期268-274,共7页

化学和材料学科的理论进步可以促进化学反应设计、材料合成和工艺条件优化。目前,在许多前沿领域的复杂问题中,传统自底向上的推导理论面临诸多挑战,而基于遗传编程的符号回归方法在挖掘数据关系方面展示了独特的优势,为解决复杂问题提... 化学和材料学科的理论进步可以促进化学反应设计、材料合成和工艺条件优化。目前,在许多前沿领域的复杂问题中,传统自底向上的推导理论面临诸多挑战,而基于遗传编程的符号回归方法在挖掘数据关系方面展示了独特的优势,为解决复杂问题提供了新的思路。本文主要综述了基于遗传编程的符号回归方法的原理、优势及局限性,讨论了其近年来的发展趋势,整理了简单易用的遗传编程工具,进而阐述了该方法在化学与材料领域的代表性应用,最后对遗传编程在材料与化学领域的未来发展方向进行了展望。 展开更多

关键词 可解释机器学习模型 符号回归 遗传编程 性质预测 工艺条件优化

在线阅读 下载PDF 职称材料

上证50ETF期权隐含波动率曲面预测研究——基于融入先验金融知识的集成GRU神经网络

17

作者 白祥 张金良 靳慧娜 《上海节能》 2024年第2期296-304,共9页

基于Zheng等人[1]的研究框架,即将先验金融知识纳入神经网络的设计和训练,提出了一种预测隐含波动率曲面的集成GRU神经网络模型。该模型使用了一种包含波动率微笑的激活函数,并将无套利、左右边界和渐进斜率等金融条件纳入神经网络的训... 基于Zheng等人[1]的研究框架,即将先验金融知识纳入神经网络的设计和训练,提出了一种预测隐含波动率曲面的集成GRU神经网络模型。该模型使用了一种包含波动率微笑的激活函数,并将无套利、左右边界和渐进斜率等金融条件纳入神经网络的训练过程中。利用上证50ETF期权2015年2月9日至2023年3月31日期间的交易数据进行了实证分析。实证结果显示:与SSVI模型和基准神经网络模型相比,集成GRU模型在训练集上的平均绝对百分比误差为8.56,在测试集上的平均绝对百分比误差为11.17,是所有模型中预测精度最高的,同时满足了嵌入的金融条件。 展开更多

关键词 隐含波动率曲面 GRU神经网络 可解释机器学习 上证50ETF期权

在线阅读 下载PDF 职称材料

基于DeepSurv和IML的上市公司财务危机预警研究

18

作者 栾一瑞 朱宗元 《浙江金融》 2024年第2期40-53,共14页

本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读Dee... 本文基于2019~2022年首次被ST的公司及其配对样本建立DeepSurv模型对上市公司财务危机预警展开研究,相较于主流的SVM和BP神经网络模型表现更优。为提高机器学习模型“黑箱”操作的可解释性,使用可解释机器学习从整体和局部两方面解读DeepSurv模型。研究表明:(1)公司应重点关注企业价值、负债、非财务表现和流动资产四个方面;(2)Gscore与有形资产负债率、ROIC与权益乘数、综合杠杆与Gscore、权益乘数与有形资产负债率之间存在交互效应。 展开更多

关键词 DeepSurv 财务危机预警 可解释机器学习

在线阅读 下载PDF 职称材料