土石方开挖钻孔效率预测可解释超级学习器集成学习模型

1

作者 王晓玲 胡亦宁 +3 位作者 张君 衣传宝 张捷 李希稷 《天津大学学报(自然科学与工程技术版)》 北大核心 2025年第4期331-342,共12页

动态预测钻孔效率并探究不同因素对钻孔效率的影响程度,对土石方开挖进度分析和风险管理具有重要意义.然而,现有土石方钻孔效率分析大都依赖人工经验,少数机器学习模型无法解释不同因素对钻孔效率的影响程度.针对上述问题,本研究提出土... 动态预测钻孔效率并探究不同因素对钻孔效率的影响程度,对土石方开挖进度分析和风险管理具有重要意义.然而,现有土石方钻孔效率分析大都依赖人工经验,少数机器学习模型无法解释不同因素对钻孔效率的影响程度.针对上述问题,本研究提出土石方开挖钻孔效率预测可解释超级学习器(SL)集成学习模型.通过强化学习中的Q学习改进猎人猎物优化算法局部搜索过程与全局信息进行交互的能力,提出Q学习改进的猎人猎物优化(QIHPO)算法对SL的n_estimators、learning_rate、max_depth等超参数进行优化,进而利用SL能够通过具有互补特征的异构基学习器捕捉样本特征差异性的优势,建立基于QIHPO优化的超级学习器土石方开挖钻孔效率预测QIHPO-SL模型,以揭示地质、作业、环境和机械特性等众多因素与钻孔效率的复杂非线性映射关系.进一步将QIHPO-SL集成学习算法与可解释机器学习框架下的沙普利加性解释(SHAP)理论相结合,挖掘影响钻孔效率的关键特征,并解释不同因素对钻孔效率的影响程度.案例分析表明:QIHPO-SL具有较高的预测精度,相较于QIHPO-XGB、QIHPO-RF和SL等基准模型,本文所提方法的预测精度分别提高了12.94%、12.02%和1.58%,且SHAP理论提高了模型的可解释性和预测结果的可信度,为钻孔效率预测及致因分析提供了新思路和新途径. 展开更多

关键词 钻孔效率 沙普利加性解释 超级学习器 强化学习

在线阅读 下载PDF 职称材料

基于卷积神经网络的液化预测模型及可解释性分析 被引量：2

2

作者 龙潇 孙锐 郑桐 《岩土力学》 EI CAS CSCD 北大核心 2024年第9期2741-2753,共13页

常规液化判别方法通常是半经验方法,存在人为因素干扰,成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑,存在一定的局限性。通过整合液化数据集,选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有效上... 常规液化判别方法通常是半经验方法,存在人为因素干扰,成功率及均衡性不佳。现有的机器学习方法缺乏足够的样本支撑,存在一定的局限性。通过整合液化数据集,选取修正标准贯击数、细粒含量、土层深度、地下水位深度、总上覆应力、有效上覆应力、门槛加速度、循环剪应力比、剪切波速、震级与地表峰值加速度11个液化特征建立卷积神经网络(convolutional neural network,简称CNN)模型。引入边界合成少数过采样技术消除不平衡数据集的影响。将CNN模型与随机森林模型、逻辑回归模型、支持向量机模型、极致梯度提升模型和规范方法进行对比,并结合沙普利加性解释(SHapley Additive exPlanations,简称SHAP)分析输入特征对预测结果的影响趋势。结果表明,CNN模型准确率达92.58%,各项指标均优于其他4种机器学习模型和规范方法。对SHAP结果分析可知,修正标贯击数小于15的土层液化概率较高,循环剪应力比CSR小于0.25的土层更不易液化。各因素的影响规律均符合现有认知,预测模型合理可靠。 展开更多

关键词 机器学习 液化预测 卷积神经网络 边界合成少数过采样技术 沙普利加性解释(SHAP)

在线阅读 下载PDF 职称材料

预测改性双基推进剂燃速的机器学习建模 被引量：1

3

作者 陈少臣 郭建雄 +4 位作者 熊思璇 刘哲人 王晓晨 马煜 代志龙 《固体火箭技术》 北大核心 2025年第1期124-132,共9页

为高效评估改性双基(CMDB)推进剂配方的燃速,使用机器学习(ML)方法建立CMDB推进剂配方的燃速预测模型。首先,对含有137个样本的CMDB推进剂配方-燃速数据集进行相关性分析以确定ML模型的17个输入特征,随后使用该数据集训练、优化与评估6... 为高效评估改性双基(CMDB)推进剂配方的燃速,使用机器学习(ML)方法建立CMDB推进剂配方的燃速预测模型。首先,对含有137个样本的CMDB推进剂配方-燃速数据集进行相关性分析以确定ML模型的17个输入特征,随后使用该数据集训练、优化与评估6个ML模型,包括岭回归(RR)、随机森林、梯度提升树(GBDT)、极端梯度提升(XGB)、支持向量机(SVM)和人工神经网络(ANN);然后,采用置换特征重要度与沙普利加性(SHAP)解释方法计算预测精确度最高的黑盒模型的特征重要度,并使用SHAP寻找特征与燃速之间的关系;最后,计算白盒模型RR的权重系数,以获取其特征重要度、特征与燃速的关系,并与前一个模型的结果进行对比。结果表明,GBDT、XGB、SVM和ANN模型的决定系数(R^(2))均超过了0.99,其预测值的残差和相对百分误差主要分布在-1~1 mm·s^(-1)、-10%~10%。通过解释SVM(R^(2)排名第一)与RR模型,发现两个模型都为燃速抑制剂、Al、催化剂的质量分数和工作压强赋予了很高的特征重要度,会显著影响燃速。此外,增加燃速抑制剂等组分的质量分数会降低燃速,而增加Al、催化剂等组分的质量分数与工作压强则会提升燃速。 展开更多

关键词 CMDB推进剂 燃速 机器学习 置换特征重要度 沙普利加性解释

在线阅读 下载PDF 职称材料

2001—2021年“三北”工程区植被韧性分布特征及其驱动因素

4

作者 袁泽雨 许行 +5 位作者 任怡 许杨 庞建壮 吴小云 张翰遥 张志强 《林业科学》 北大核心 2025年第7期182-191,共10页

【目的】探讨2001—2021年间“三北”工程区内不同类型植被韧性的分布特征及其主要驱动因素,为在气候变化背景下提升“三北”工程区植被生态服务功能的可持续性提供科学依据。【方法】采用21年(2001—2021年)核归一化植被指数(kNDVI)的... 【目的】探讨2001—2021年间“三北”工程区内不同类型植被韧性的分布特征及其主要驱动因素,为在气候变化背景下提升“三北”工程区植被生态服务功能的可持续性提供科学依据。【方法】采用21年(2001—2021年)核归一化植被指数(kNDVI)的滞后1时间自相关系数(AC1)来衡量植被韧性,分析“三北”工程区植被韧性的分布特征。同时,运用可解释的机器学习算法解析生物和环境因素对植被韧性的调控机制。【结果】在“三北”工程区内,森林的韧性最高,其次是灌木,草地韧性最低;从空间分布来看,内蒙古高原地区植被韧性最低,而西北地区则表现出较高的植被韧性。不同植被类型的韧性受到各驱动因素的影响程度存在差异,但总体而言,年平均气温(MAT)和年平均降水量(MAP)等环境因素对植被韧性的影响显著高于生物因素。此外,植被韧性受到植被覆盖度(FVC)与MAP之间交互作用的显著影响。在干旱地区,应特别关注水资源承载力的限制,合理控制森林FVC,以避免因水分竞争导致的韧性下降;而草地FVC与韧性呈正相关关系,FVC的增加有助于提升草地韧性。在半干旱和半湿润地区,森林FVC与韧性呈正相关,高FVC有助于增强森林韧性,植被种植与管理应根据当地水资源可用情况进行调整。【结论】“三北”工程区植被韧性的变化主要受环境因素驱动。针对不同类型的植被,应结合区域生态可利用水条件实施差异化的经营管理策略,以增强生态韧性。在全球气候变化的背景下,本研究不仅有助于揭示“三北”工程区植被的韧性,还为未来的造林规划和植被种植管理提供了重要的科学依据和理论指导。 展开更多

关键词 "三北"工程 水资源 植被韧性 机器学习 沙普利加性解释

在线阅读 下载PDF 职称材料

基于XGBoost-SHAP的串列布置三圆柱水动力学特性参数预测

5

作者 钟家文 周水根 +1 位作者 宋金泽 朱红钧 《力学学报》 北大核心 2025年第4期843-853,共11页

基于极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法和SHAP(SHapley Additive exPlanations)分析对低雷诺数下串列三圆柱绕流的水动力学特性参数进行了机器学习研究,采用开源计算流体力学软件OpenFOAM模拟并建立了在不同工况下... 基于极限梯度提升(eXtreme Gradient Boosting,XGBoost)算法和SHAP(SHapley Additive exPlanations)分析对低雷诺数下串列三圆柱绕流的水动力学特性参数进行了机器学习研究,采用开源计算流体力学软件OpenFOAM模拟并建立了在不同工况下各圆柱的升阻力和涡脱频率数据集.对比决定系数、绝对误差和误差率等参数,基于XGBoost算法建立的机器学习模型经过超参数优化后具有良好的预测性能,在对数据集范围之外的文献参数预测中,最大误差率为16.03%,经过二次学习后可降低至0.71%.利用SHAP分析分别解释模型在整体和局部的预测结果,得到雷诺数、上游间距和下游间距分别对串列三圆柱的9个水动力特征参数累计平均贡献度,并开展了归因分析.此外,捕捉到输入特征局部贡献值的异变,结合流场结构分析发现,当上游间距为2、下游间距从2增大为3时,下游间距对下游圆柱的平均阻力的SHAP值由−0.22增大到0.03,对升力均方根值的SHAP值由−0.22增大到0.04,尾流干涉模式由拓展体变为交替再附着模式.当上游间距为6时,下游间距从2增大到6时,SHAP局部分析量化了双排涡结构中下游圆柱的水动力特征变化规律. 展开更多

关键词 串列三圆柱 升阻力 涡脱频率 极限梯度提升 沙普利加性解释

在线阅读 下载PDF 职称材料

基于校准窗口集成与耦合市场特征的可解释双层日前电价预测 被引量：5

6

作者 刘慧鑫 沈晓东 +3 位作者 魏泽涛 刘友波 刘俊勇 白元宝 《中国电机工程学报》 EI CSCD 北大核心 2024年第4期1272-1285,I0003,共15页

随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在... 随着电力市场之间耦合程度不断加深,只局限于单个市场内部的传统特征集不足以支撑高精度预测的需求。而且模型预测性能对校准窗口的选择敏感,而传统电价预测仅使用一个固定时间长度的数据集,同时预测模型的“黑盒”结构导致预测结果在工程应用中可信度偏低。针对上述问题,该文提出一种考虑校准窗口集成与耦合市场特征的可解释双层日前电价预测框架。内层框架为基于改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)的择优预测,首先分解原始电价序列,然后应用Lasso估计回归(lassoestimated autoregressive,LEAR)、长期和短期时间序列网络(long-term and short-term time-series networks,LSTNet)、卷积神经网络-长短记忆神经网络(convolutionalneuralnetworks-longshort termmemory,CNN-LSTM)、移动平均(autoregressive integrated moving average,ARIMA)和核极限学习机(kernel extreme learning machines,KELM)模型预测子序列并选择最优预测算法。外层框架为基于贝叶斯模型平均(bayes modelaveraging,BMA)的校准窗口集成预测,针对每个不同校准窗口长度数据集下的预测分配权重并集成得到预测电价。最后,通过可解释方法沙普利加性解释模型(shapley additiveexplanations,SHAP)分析耦合市场特征如何影响预测电价。该文通过北欧电力市场数据集的算例分析证明了所提算法的优越性和校准窗口集成方案的有效性。 展开更多

关键词 校准窗口集成 耦合市场特征 双层预测框架 改进自适应噪声完备集合经验模态分解(ICEEMDAN) 贝叶斯模型平均(BMA) 沙普利加性解释模型(SHAP)

在线阅读 下载PDF 职称材料

基于AE模型的县域生态敏感性评价——以甘肃省靖远县为例 被引量：9

7

作者 刘子轩 黄佳琢 +1 位作者 李子微 白骅 《西北林学院学报》 CSCD 北大核心 2023年第4期275-285,共11页

为探究不同土地利用类型下各因子对县域尺度生态敏感性客观评价结果的非线性关系,以甘肃省靖远县为研究对象,构建基于土地利用类型的二阶指标体系,建立自编码器模型对其展开评价,并采用沙普利加性解释模型结果,分析各栅格敏感性首要影... 为探究不同土地利用类型下各因子对县域尺度生态敏感性客观评价结果的非线性关系,以甘肃省靖远县为研究对象,构建基于土地利用类型的二阶指标体系,建立自编码器模型对其展开评价,并采用沙普利加性解释模型结果,分析各栅格敏感性首要影响因素,以此为基础划分敏感性分区。结果表明,1)极高、高敏感区主要分布在靖远县哈思山、崛吴山、南部沟壑区与沿河区域,占20.40%,中、低、不敏感区分别占40.10%、39.00%、0.50%。2)林地的敏感性等级极高,主要受NDVI影响;草、耕用地敏感性在较平缓区域(坡度<10°)受距水距离影响,在较陡峭区域(坡度>10°)受坡向和高程影响。AE模型评价结果能够探索出评价因子与敏感性更深层的关系并能更好地表现其地理空间的分异规律。 展开更多

关键词 二阶交叉特征 深度学习 沙普利加性解释 生态敏感性评价 靖远县

在线阅读 下载PDF 职称材料

基于CatBoost-MOEAD的大直径泥水盾构姿态多目标预测与优化

8

作者 吴贤国 刘俊 +1 位作者 王静怡 覃亚伟 《中国安全科学学报》 CAS CSCD 北大核心 2024年第10期50-57,共8页

为避免盾构掘进过程中出现蛇形、轴线偏离等姿态异常问题影响施工安全,提出一种结合类别提升(CatBoost)算法和基于分解的多目标优化算法(MOEAD)的大直径泥水盾构姿态控制方法;构建一个盾构姿态预测模型,该模型包含19个输入参数和6个输... 为避免盾构掘进过程中出现蛇形、轴线偏离等姿态异常问题影响施工安全,提出一种结合类别提升(CatBoost)算法和基于分解的多目标优化算法(MOEAD)的大直径泥水盾构姿态控制方法;构建一个盾构姿态预测模型,该模型包含19个输入参数和6个输出参数,利用CatBoost算法构建输入参数与输出参数之间的非线性映射关系;采用沙普利加性解释法(SHAP)分析输入参数对盾构姿态的影响;结合多目标优化算法构建CatBoost-MOEAD盾构姿态多目标优化模型,将所提模型运用到武汉长江大直径泥水盾构隧道工程中,分析验证所提方法的适用性和有效性。结果表明:CatBoost预测模型能够高效地预测大直径泥水盾构的姿态,其中6个盾构姿态目标的决定系数范围为0.931~0.974,均方根误差范围为0.030~0.880,误差范围为0.039~1.057;对盾构姿态影响较大的施工参数中推进组推力对盾构姿态的影响最为显著;通过研发的CatBoost-MOEAD盾构姿态多目标优化方法,盾构姿态的优化效果显著,优化率可达38.86%。 展开更多

关键词 类别提升(CatBoost) 基于分解的多目标优化算法(MOEAD) 大直径泥水盾构 盾构姿态 多目标优化 沙普利加性解释法(SHAP)

在线阅读 下载PDF 职称材料

类型识别视角下汾河流域生态系统服务权衡时空分异及非线性驱动特征

9

作者 冯强 赵文武 +1 位作者 王晶 段宝玲 《生态学报》 2025年第16期7921-7937,共17页

厘清生态系统服务权衡机制对支撑流域生态保护与可持续发展具有重要意义。提出权衡类型识别方法,利用InVEST模型与机器学习等方法,分析了汾河流域2000—2020年固碳、产水与土壤保持服务及其权衡的时空分异与非线性驱动特征。结果表明:... 厘清生态系统服务权衡机制对支撑流域生态保护与可持续发展具有重要意义。提出权衡类型识别方法,利用InVEST模型与机器学习等方法,分析了汾河流域2000—2020年固碳、产水与土壤保持服务及其权衡的时空分异与非线性驱动特征。结果表明:①除平原区外1型固碳⁃产水服务权衡持续增加但2020年突然下降,山地区2型固碳⁃产水服务权衡在20年间变化不大,但是平原区、台地区与梁峁区的时间趋势各异。地貌区之间1型土壤保持⁃产水服务权衡的时间趋势不一致,2型土壤保持⁃产水服务权衡相对稳定但2020年大幅增加。②2000—2015年1型固碳⁃产水服务权衡的空间范围逐渐扩大但2型权衡相对萎缩,该趋势于2020年逆转。2000—2015年1型和2型土壤保持⁃产水权衡分布位置相对稳定,但2020年演变为2型权衡处于主导的空间格局。③土地利用、降水、坡度等因素对1型或2型权衡的影响均存在阈值效应。林地与降水、建设用地与降水、耕地与坡度之间的交互效应往往存在明显的趋势特征,交互效应散点图提供了丰富的双因子驱动特征信息,对指导不同气候资源及地形条件下的土地利用配置具有参考价值。本研究为权衡机制这类“黑箱”系统提供了更丰富的观察视角,有望更全面的支撑生态保护修复实践。 展开更多

关键词 生态系统服务权衡 时空分异 驱动机制 沙普利加性解释 汾河流域

在线阅读 下载PDF 职称材料

基于SHAP-XGBoost混合模型的梯级水电站流量动态滞时研究 被引量：3

10

作者 闫孟婷 毛玉鑫 +3 位作者 张天遥 胡杨 黄炜斌 马光文 《电力系统保护与控制》 EI CSCD 北大核心 2023年第11期159-167,共9页

水流滞时是影响梯级电站短期优化调度的重要因素。如何构建流量动态滞时模型以精确描述梯级水电上下游水力联系,成为水电短期优化调度中亟需解决的问题。尝试引入极端梯度提升树算法(eXtreme gradient boosting,XGBoost)作为表现梯级水... 水流滞时是影响梯级电站短期优化调度的重要因素。如何构建流量动态滞时模型以精确描述梯级水电上下游水力联系,成为水电短期优化调度中亟需解决的问题。尝试引入极端梯度提升树算法(eXtreme gradient boosting,XGBoost)作为表现梯级水电站间流量动态滞时的工具。首先利用沙普利加性解释(Shapley addictive explanation,SHAP)评估各输入特征重要性,并从中选择最优特征集。其次建立了一种基于极端梯度提升树的动态滞时模型,利用网格搜索和交叉验证算法对模型参数进行选取。最后基于实际案例与人工神经网络、支持向量回归及固定滞时模型进行对比实验。结果表明,所构建的SHAP-XGBoost模型能更准确地模拟水电站间动态滞时关系,与传统模型相比平均预测精度至少提高了18%,且与实测序列的变化趋势匹配程度最佳。同时证明了输入特征筛选的加入能够使模型精度进一步提高。 展开更多

关键词 梯级电站 动态滞时 数据挖掘 极端梯度提升树 沙普利加性解释

在线阅读 下载PDF 职称材料

航段截尾油耗数据的区间估计方法

11

作者 陈静杰 梁国栋 刘家学 《计算机工程与设计》 北大核心 2023年第10期3103-3109,共7页

对航段截尾油耗数据进行区间估计时,数据分布的稀疏性及非正态性会导致传统基于单因素的油耗估计区间难以建立。针对上述问题,提出基于分类和沙普利加性解释(classification and Shapley additive explanations,C-SHAP)的改进分位数回... 对航段截尾油耗数据进行区间估计时,数据分布的稀疏性及非正态性会导致传统基于单因素的油耗估计区间难以建立。针对上述问题,提出基于分类和沙普利加性解释(classification and Shapley additive explanations,C-SHAP)的改进分位数回归森林区间估计(quantile regression forest,QRF)方法。通过C-SHAP方法,筛选全航程和各飞行阶段特征得到最优输入特征集;采用随机过采样算法增加训练集中截尾油耗样本的权值,提高QRF模型的估计性能;通过QRF估计给定上、下限油耗条件分位数,构建估计区间。实验结果表明,该方法的特征选择合理、估计区间质量较高。 展开更多

关键词 截尾数据 数据分布 分类 沙普利加性解释 随机过采样 分位数回归森林 区间估计

在线阅读 下载PDF 职称材料