检索结果-维普期刊中文期刊服务平台

应用SHAP可解释机器学习模型估测森林蓄积量: 1; 作者王元王玥 +3 位作者周宇琛陈伏生张绿水刘牧《东北林业大学学报》北大核心 2025年第5期66-73,共8页; 森林蓄积量是反映森林资源丰富程度的关键指标,精确估测森林蓄积量对于森林资源管理至关重要。以江西省林区为研究对象,运用谷歌地球引擎(Google Earth Engine)平台从Landsat 8遥感影像中提取多个植被指数、单波段及组合特征,并结合国... 展开更多; 关键词 shap解释模型机器学习模型森林蓄积量; 在线阅读下载PDF 职称材料

基于CatBoost和SHAP的高级别自动驾驶车辆非预期停车冲突风险预测: 2; 作者刘擎超王瑞海 +2 位作者蔡英凤王海陈龙《汽车安全与节能学报》北大核心 2025年第1期170-180,共11页; 针对高级别自动驾驶车辆非预期停车引发的交通冲突及其环境影响问题,现有研究缺乏对风险特征交互的捕获和可解释性评估。本研究提出了一种基于CatBoost和SHAP的风险预测及解释模型,通过分析城市中心、住宅区和郊区交通网络的接管次数,... 展开更多; 关键词冲突风险交通排放高级别自动驾驶 CatBoost算法 shap解释模型; 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: 3; 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... 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

弹幕视频网站用户持续使用行为的影响因素及其可解释性分析——基于感知价值的视角被引量：8: 4; 作者李伟卿汪文涛 +1 位作者黄炜张瑞《现代情报》 CSSCI 2023年第12期63-72,共10页; [目的/意义]视频被广泛使用在各种网络应用中,研究弹幕视频网站用户持续使用行为的影响因素,具有重要的学术价值和商业价值。[方法/过程]本文使用Bilibili网站的视频特征数据和用户行为数据,构建多元线性回归及基于机器学习的SHAP可解... 展开更多; 关键词弹幕视频网站感知价值 shap可解释模型用户持续使用行为哔哩哔哩网站; 在线阅读下载PDF 职称材料

题名应用SHAP可解释机器学习模型估测森林蓄积量: 1; 作者王元王玥周宇琛陈伏生张绿水刘牧; 机构保护生物学江西省重点实验室(江西农业大学); 出处《东北林业大学学报》北大核心 2025年第5期66-73,共8页; 基金江西省高校人文社会科学研究项目(JC22245)。; 文摘森林蓄积量是反映森林资源丰富程度的关键指标,精确估测森林蓄积量对于森林资源管理至关重要。以江西省林区为研究对象,运用谷歌地球引擎(Google Earth Engine)平台从Landsat 8遥感影像中提取多个植被指数、单波段及组合特征,并结合国家森林资源连续清查的地面实测数据,分析不同影像特征参数在森林蓄积量反演中的贡献率。结果表明:对比多元线性回归、神经网络、随机森林和XGBoost模型估测森林蓄积量的精度,随机森林模型估测精度为93.3%,决定系数(R^(2))为0.9337,均方根误差为2.2323,平均绝对误为2.3395;与BP神经网络模型(R^(2)=0.8219)和XGBoost模型(R^(2)=0.7916)相比,模型拟合度和预测效果更佳,比多元线性回归模型(R^(2)=0.688)处理非线性关系的稳定性和可靠性更高。通过解释特征参数的相对重要性,揭示出平均胸径、郁闭度等特征对森林蓄积量影响显著,且随机森林模型中各因子间存在相互作用。; 关键词 shap解释模型机器学习模型森林蓄积量; Keywords shap interpretation model Machine learning model Forest volume; 分类号 S758.4 [农业科学—森林经理学]; 在线阅读下载PDF 职称材料

题名基于CatBoost和SHAP的高级别自动驾驶车辆非预期停车冲突风险预测: 2; 作者刘擎超王瑞海蔡英凤王海陈龙; 机构江苏大学汽车工程研究院江苏大学汽车与交通工程学院; 出处《汽车安全与节能学报》北大核心 2025年第1期170-180,共11页; 基金国家重点研发计划资助项目(2023YFB2504403) 国家自然科学基金资助项目(52372413,52225212)。; 文摘针对高级别自动驾驶车辆非预期停车引发的交通冲突及其环境影响问题,现有研究缺乏对风险特征交互的捕获和可解释性评估。本研究提出了一种基于CatBoost和SHAP的风险预测及解释模型,通过分析城市中心、住宅区和郊区交通网络的接管次数,构建了冲突风险预测模型。结果表明,接管次数在城市中心、住宅区和郊区分别为161次、227次和164次,最高单路段接管次数分别为11次、11次和16次;模型预测精度达93%以上。SHAP分析显示,前后车辆间相对速度和相对位置对冲突风险的影响显著。研究结果对提升自动驾驶车辆的可靠性和安全性具有重要意义。; 关键词冲突风险交通排放高级别自动驾驶 CatBoost算法 shap解释模型; Keywords conflict risk traffic emission high-level autonomous vehicles Categorical Boosting(CatBoost) shapley Additive exPlanations(shap); 分类号 U491.31 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名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: 3; 作者刘慧鑫沈晓东魏泽涛刘友波刘俊勇白元宝; 机构四川大学电气工程学院四川能投综合能源公司; 出处《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; 基金国家自然科学基金(51977133,U2066209) 四川省科技厅重点项目(2020ZHCG0022)。; 文摘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。; 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); Keywords combination of calibration windows coupled market characteristics two-layer prediction framework improved complete ensemble empirical mode decomposition(ICEEMDAN) Bayesian model average(BMA) shapley additive explanations(shap); 分类号 F426 [经济管理—产业经济] TM614 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名弹幕视频网站用户持续使用行为的影响因素及其可解释性分析——基于感知价值的视角被引量：8: 4; 作者李伟卿汪文涛黄炜张瑞; 机构湖北工业大学经济与管理学院武汉晴川学院商学院湖北省循环经济发展研究中心; 出处《现代情报》 CSSCI 2023年第12期63-72,共10页; 基金国家社会科学基金项目“价值共创视角下顾客参与的质量贡献机制研究”(项目编号:17BGL090) 湖北省高等学校哲学社会科学研究重大项目“新时代高校突发事件网络舆情分析与引导机制研究”(项目编号:19ZD025)。; 文摘 [目的/意义]视频被广泛使用在各种网络应用中,研究弹幕视频网站用户持续使用行为的影响因素,具有重要的学术价值和商业价值。[方法/过程]本文使用Bilibili网站的视频特征数据和用户行为数据,构建多元线性回归及基于机器学习的SHAP可解释模型,从内容感知价值、情感感知价值和社会感知价值3个维度探讨视频用户持续使用行为的影响因素及其影响的重要性和正负性。[结果/结论]研究发现:点赞数量最大程度地代表了用户对于视频的内容感知价值,内容感知价值对用户持续使用行为影响总是最高;在粉丝数量中等偏高的up主(视频制作者)中,情感感知价值对用户持续使用行为影响较高,而在粉丝数量最高的up主中,社会感知价值对用户持续使用行为影响更高。; 关键词弹幕视频网站感知价值 shap可解释模型用户持续使用行为哔哩哔哩网站; Keywords bullet screen video website perceived value shap explainable model users continuous use behavior Bilibili website; 分类号 G252 [文化科学—图书馆学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	应用SHAP可解释机器学习模型估测森林蓄积量	王元王玥周宇琛陈伏生张绿水刘牧	《东北林业大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于CatBoost和SHAP的高级别自动驾驶车辆非预期停车冲突风险预测	刘擎超王瑞海蔡英凤王海陈龙	《汽车安全与节能学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	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	刘慧鑫沈晓东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	5	在线阅读下载PDF 职称材料
4	弹幕视频网站用户持续使用行为的影响因素及其可解释性分析——基于感知价值的视角	李伟卿汪文涛黄炜张瑞	《现代情报》 CSSCI	2023	8	在线阅读下载PDF 职称材料