水工結構變形預測模型構建與解釋

摘要： 現(xiàn)有基于機器學習算法的水工結構安全監(jiān)控模型結果的可解釋性較差。為提高安全監(jiān)控模型的可解釋性，發(fā)展一種基于集成學習算法的水工結構變形預測模型構建與解釋方法。簡述改進統(tǒng)計模型及隨機森林（RF）、極端梯度提升樹（XGBoost）兩種常用的集成學習算法，引入沙普利值可加性解釋（SHAP）方法實現(xiàn)集成學習算法模型結果的可解釋性，闡述SHAP方法的原理和推導過程。以某運行初期特高拱壩變形數(shù)... （共10頁）