期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于XGBoost和SHAP的海滩波浪爬高预测研究
被引量：
1
1
作者
张建
丁佩
+1 位作者
刘楷操
路川藤
《海洋预报》
北大核心
2025年第2期1-8,共8页
海滩波浪爬高预测是海岸侵蚀防护和防灾减灾的关键技术支撑。针对现有经验公式在精确度、泛化性等方面的不足,将极限梯度提升模型XGBoost引入到波浪爬高预测中,利用1400多个来自实验室和现场观测的海滩波浪爬高数据,通过贝叶斯优化进行...
海滩波浪爬高预测是海岸侵蚀防护和防灾减灾的关键技术支撑。针对现有经验公式在精确度、泛化性等方面的不足,将极限梯度提升模型XGBoost引入到波浪爬高预测中,利用1400多个来自实验室和现场观测的海滩波浪爬高数据,通过贝叶斯优化进行超参数调整,建立基于XGBoost的海滩波浪爬高预测模型。此外,还将可解释机器学习框架SHAP与XGBoost模型结合,以挖掘波浪爬高预测结果的关键特征。评估结果表明:XGBoost模型的决定系数为0.957,均方根误差为0.384 m,显著优于其他经验公式,整体预测可靠稳定;SHAP分析也表明XGBoost模型的预测趋势符合真实走向,且Iribarren数在海滩波浪爬高预测中起着关键作用。
展开更多
关键词
机器学习
波浪爬高
极限梯度提升模型
贝叶斯优化
可解释机器学习框架
在线阅读
下载PDF
职称材料
题名
基于XGBoost和SHAP的海滩波浪爬高预测研究
被引量：
1
1
作者
张建
丁佩
刘楷操
路川藤
机构
珠海市规划设计
研究
院
广东省滨海地区防灾减灾工程技术研究中心
南京水利科学
研究
院
出处
《海洋预报》
北大核心
2025年第2期1-8,共8页
基金
水利部重大科技项目(SKS-2022087)。
文摘
海滩波浪爬高预测是海岸侵蚀防护和防灾减灾的关键技术支撑。针对现有经验公式在精确度、泛化性等方面的不足,将极限梯度提升模型XGBoost引入到波浪爬高预测中,利用1400多个来自实验室和现场观测的海滩波浪爬高数据,通过贝叶斯优化进行超参数调整,建立基于XGBoost的海滩波浪爬高预测模型。此外,还将可解释机器学习框架SHAP与XGBoost模型结合,以挖掘波浪爬高预测结果的关键特征。评估结果表明:XGBoost模型的决定系数为0.957,均方根误差为0.384 m,显著优于其他经验公式,整体预测可靠稳定;SHAP分析也表明XGBoost模型的预测趋势符合真实走向,且Iribarren数在海滩波浪爬高预测中起着关键作用。
关键词
机器学习
波浪爬高
极限梯度提升模型
贝叶斯优化
可解释机器学习框架
Keywords
machine learning
wave run-up
XGBoost
bayesian optimization
SHAP
分类号
P731.33 [天文地球—海洋科学]
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
基于XGBoost和SHAP的海滩波浪爬高预测研究
张建
丁佩
刘楷操
路川藤
《海洋预报》
北大核心
2025
1
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
