期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
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1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 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AutoGluon-XAI的铁路无砟轨道碳排放预测及特征分析 被引量：1
1
作者 鲍学英 韩通 《安全与环境学报》 北大核心 2025年第6期2431-2440,共10页
为从全生命周期角度分析铁路无砟轨道碳排放,研究量化不同阶段铁路无砟轨道碳排放的差异,并提出一种自动机器框架与可解释人工智能(Explainable Artificial Intelligence, XAI)相结合的无砟轨道碳排放预测及特征分析模型。首先,划分无... 为从全生命周期角度分析铁路无砟轨道碳排放,研究量化不同阶段铁路无砟轨道碳排放的差异,并提出一种自动机器框架与可解释人工智能(Explainable Artificial Intelligence, XAI)相结合的无砟轨道碳排放预测及特征分析模型。首先,划分无砟轨道全生命周期不同阶段,构建无砟轨道全生命周期碳排放计算系统;其次,选择AutoGluon自动机器学习模型,筛选特征变量,进行全局特征排序,结合XAI进行局部解释;最后,以某铁路无砟轨道为例进行研究。结果显示,全生命周期碳排放量为124.48万t。其中,工程物化阶段、运营维护阶段、拆除阶段的碳排放占比分别为42.84%、57.11%、0.05%,人工、材料、机械产生的排放占比分别为0.7%、95.8%、3.5%。AutoGluon-XAI模型结果表明,相比于随机森林等传统机器学习模型,AutoGluon预测精准度更高,综合性能最优;在全局解释中,重要性排前4的特征变量为更新周期、地段类型、轨道结构类型、地基条件,均为影响无砟轨道全生命周期碳排放的重要因素;在局部解释中,分类变量的不同特征呈现出不同的贡献效应,路基地段、板式无砟轨道等分类特征对碳排放正向促进效应较显著,而隧道地段、石质地基等分类特征则对碳排放负向抑制效应较显著。 展开更多
关键词 环境工程学 无砟轨道 碳排放预测 autogluon-xai模型 特征分析
在线阅读 下载PDF
已选择0条
导出题录 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 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部