检索结果-内蒙古大学图书馆

可解释机器学习如何应用于公共管理中的预测研究?——以地方政府规模经济效应为例

中国行政管理 2025年第3期 76-89页

作者：赵聚军王坤南开大学周恩来政府管理学院天津300350

预测是检验因果机制成立的必要条件,也是政策事前论证等问题的本质属性。公共管理领域的有效预测,需要同时满足高精度、区分度和细致度三个重要条件。然而,受限于主流方法的不足,预测问题长期以来处于公共管理研究的边缘位置。本文引入... 详细信息

预测是检验因果机制成立的必要条件,也是政策事前论证等问题的本质属性。公共管理领域的有效预测,需要同时满足高精度、区分度和细致度三个重要条件。然而,受限于主流方法的不足,预测问题长期以来处于公共管理研究的边缘位置。本文引入前沿的可解释机器学习方法,在说明方法原理和功能的基础上,以县级政府规模经济效应为例,发现人口规模在影响政府养人成本的诸多因素中居于首位,且其影响呈“L”型曲线。案例分析结果表明,可解释机器学习不仅能够实现高精度的预测,还可以剖析背后的逻辑,具有广阔的应用前景。本文将可解释机器学习引入公共管理的预测研究中,拓展了本土化的政策研究谱系,也为相关研究提供了方法借鉴。

关键词：可解释机器学习预测研究方法规模经济

来源：评论

学校读者我要写书评

暂无评论

科学数据集学术影响力归因研究——基于回归分析与可解释机器学习的双重证据

引用

科学学研究 2025年第5期 976-987页

作者：刘智锋吴亚平王继民北京大学信息管理系北京大学图书馆

随着数据密集型研究范式的不断兴起，科学数据集已成为重要的科研基础性战略资源，对其学术影响力进行分析和归因研究有助于科学数据开放共享和高效利用。本文从数据复用的视角来定义科学数据集的学术影响力，从数据集自身属性特征、数... 详细信息

随着数据密集型研究范式的不断兴起，科学数据集已成为重要的科研基础性战略资源，对其学术影响力进行分析和归因研究有助于科学数据开放共享和高效利用。本文从数据复用的视角来定义科学数据集的学术影响力，从数据集自身属性特征、数据集共现网络特征和提出数据集的论文特征三个方面，构建了包含10个因素的指标体系，综合采用传统回归分析和可解释机器学习方法对科学数据集学术影响力的影响因素进行研究。结果显示，数据集学术影响力主要受到数据集发布时间、共现网络特征和变种数等因素的影响，而数据集类型、关联论文的任务数等因素则影响较小；数据集变种数、加载器数量、关联任务数、PageRank值、论文发表时长以及论文作者数与科学数据集的学术影响力总体上呈正相关；此外，进一步揭示了各个变量对科学数据集学术影响力的作用曲线。本研究提供了科学数据集学术影响力背后决定因素的新认识，可为科研机构和人员数据管理实践提供参考。

关键词：科学数据集影响力分析可解释机器学习回归分析

来源：评论

学校读者我要写书评

暂无评论

非洲地域功能空间演变的时空分异与驱动机制——基于时序遥感数据和可解释机器学习分析

引用

地理科学进展 2025年第3期44卷 594-613页

作者：尹力魏伟李泓锐张轲刘立阳薄立明武汉大学城市设计学院武汉430072 武汉大学中国发展战略与规划研究院武汉430072 湖北省人居环境工程技术研究中心武汉430072 黄淮学院建筑工程学院河南驻马店463000

科学认知非洲地域功能空间格局演变过程及形成机制,开展对非土地资源基础性调研工作,对服务国家“走出去”发展战略和构建中非命运共同体具有重要现实意义。论文以中国城镇化、粮食安全和生态安全地域主导功能为空间参考标尺,划分非洲... 详细信息

科学认知非洲地域功能空间格局演变过程及形成机制,开展对非土地资源基础性调研工作,对服务国家“走出去”发展战略和构建中非命运共同体具有重要现实意义。论文以中国城镇化、粮食安全和生态安全地域主导功能为空间参考标尺,划分非洲城乡建设—农业生产—生态保护三大地域功能空间,采用时空立方体、空间转型强度分析模型和可解释机器学习解析2002—2022年非洲大陆地域功能空间演变特征及区域差异,并结合关键驱动因素的重要程度和交互作用强度研究演变机制。结果表明:(1)近20年非洲约3.97%的地域功能空间发生结构转型,城乡建设空间剧烈扩张9.71%的同时,人均建设用地规模却减少33.78%,城乡“人口—土地”失衡问题日益凸显;农业生产空间波动式缩减且沿撒哈拉沙漠南缘形成一条明显的剧烈变化带;生态保护空间内部组成结构显著改变但整体呈优化态势。(2)非洲在5°N~15°N之间形成了一条明显的空间结构转型高动态度带,农业生产—生态保护空间的剧烈动态互转现象最为突出,沙漠绿化的同时土地退化仍然明显,导致城乡建设空间扩张相关结构转型规模在大陆尺度下并不显著。(3)社会经济发展、人口增长等因素对非洲大陆全局尺度下地域功能空间结构改变的作用有限,反而大气水汽压、温度、降雨、纬度和地形起伏度等水文条件变化和地形地貌基础起到了决定性作用,非洲地域功能空间格局由多个不同规模量级、转型强度和驱动机理的空间变化过程共同决定。未来中国对非援投及相关空间发展战略的制定需要注重非洲自身空间演变的过程及规律,也需要利用其各类地域功能空间演变的时空分异特征和潜在演变趋势实现区域发展的多维协同。

关键词：地域功能时空立方体可解释机器学习 “一带一路”倡议非洲

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost-SHAP可解释机器学习模型的城市形态与地表温度的关系

引用

应用生态学报 2025年第3期36卷 659-670页

作者：谭洁危千骏廖朝阳邝文俊邓慧婷余德湖南农业大学风景园林与艺术设计学院长沙410128

随着全球大城市中高层建筑的增多,探讨城市二维(2D)和三维(3D)形态对地表温度(LST)的影响,已成为缓解城市热环境和优化城市规划的关键。本研究以长沙市三环以内地区为例,基于2020年多源遥感数据提取了13项城市2D/3D特征因子,通过Pearso... 详细信息

随着全球大城市中高层建筑的增多,探讨城市二维(2D)和三维(3D)形态对地表温度(LST)的影响,已成为缓解城市热环境和优化城市规划的关键。本研究以长沙市三环以内地区为例,基于2020年多源遥感数据提取了13项城市2D/3D特征因子,通过Pearson相关性分析探讨LST与各特征因子的线性关系,并引入XGBoost模型和SHAP方法揭示其非线性影响和贡献。结果表明:2020年,高温区域主要分布在长沙市中心的建筑密集区,低温区域主要分布在长沙市西部和东北部的森林公园以及湘江沿岸。归一化建筑指数(NDBI)、夜间灯光(NTL)和建设用地比例(PCL)与LST呈显著正相关关系,相关系数分别为0.592、0.537和0.446,表明城市化进程加剧了地表升温;归一化植被指数(NDVI)、天空视角系数(SVF)与LST呈显著负相关关系,相关系数分别为-0.316和-0.200,体现了绿地和开阔空间对缓解城市热岛的重要作用。NDBI、NTL、NDVI和高程(DEM)对LST的影响最大,总贡献度达60.9%;这些2D/3D形态特征因子对LST的影响呈现复杂的非线性特征,其中,NDBI在0~0.2时,对LST提升最显著;NTL超过40后的增温效应趋于饱和;NDVI超过0.5时,降温效果显著增强;DEM在50~150 m对LST的降温效果最突出。本研究验证了XGBoost-SHAP模型揭示城市2D/3D特征因子对LST的非线性影响机制的有效性,并可为城市热环境治理与缓解,以及绿色、低碳、宜居的新型城镇化建设提供科学依据。

关键词：城市2D/3D形态热岛效应可解释机器学习 XGBoost-SHAP模型

来源：评论

学校读者我要写书评

暂无评论

农民工进城落户的意愿为什么不高?——基于可解释机器学习方法的分析

引用

中国农村经济 2025年第4期 20-41页

作者：刘媛熊柴蔡继明首都经济贸易大学经济学院中国政法大学商学院清华大学社会科学学院

当前,中国以农民工为主体的农业转移人口的城镇落户意愿不高且呈现下降趋势,落户政策供给与落户需求意愿存在结构性错配。本文以推拉理论为基础构建分析框架,使用2017年中国流动人口动态监测数据,利用可解释机器学习方法,对农民工落户... 详细信息

当前,中国以农民工为主体的农业转移人口的城镇落户意愿不高且呈现下降趋势,落户政策供给与落户需求意愿存在结构性错配。本文以推拉理论为基础构建分析框架,使用2017年中国流动人口动态监测数据,利用可解释机器学习方法,对农民工落户意愿的影响因素进行考察,并根据城镇规模进行异质性分析。在区分暂居意愿、长居意愿、定居意愿和落户意愿的基础上,讨论农民工城镇落户意愿的渐进形成过程。研究发现:中间阻碍因素和城镇户籍拉力是影响落户意愿的两个主要方面,其中的中间阻碍因素主要体现为社会融入程度。不同规模城镇的农民工,落户意愿的影响因素以及影响因素的重要程度存在差异。从趋势上看,城镇规模越大,城镇户籍拉力的影响越强,农民工所在农村的户籍拉力的影响越弱。农民工居留意愿的影响因素存在显著的阶段性差异,流入时长、有无自有住房与地区服务差距分别是影响长居意愿、定居意愿与落户意愿的首要因素。本文研究结论有助于全面理解农业转移人口落户意愿形成机理,并为进一步完善市民化政策提供参考。

关键词：新型城镇化可解释机器学习农民工落户意愿

来源：评论

学校读者我要写书评

暂无评论

基于可解释机器学习的自适应可变导向车道通行能力提升研究

引用

交通工程 2025年第2期25卷 16-22,33页

作者：孙煦来雨豪郄堃北京建筑大学通用航空技术北京实验室北京100044

为了解决交叉口拥堵问题,本研究根据不同时段的交通流量和流向的不均衡性,提升道路通行效率,设计一种基于车道间排队差异的动态左直可变导向车道控制策略(Lane queue differentiation guidance,LQDG),并利用GBDT(Gradient Boosting Deci... 详细信息

为了解决交叉口拥堵问题,本研究根据不同时段的交通流量和流向的不均衡性,提升道路通行效率,设计一种基于车道间排队差异的动态左直可变导向车道控制策略(Lane queue differentiation guidance,LQDG),并利用GBDT(Gradient Boosting Decision Tree)模型和SHAP(SHapley Additive exPlanations)建立特征分析框架,解析交叉口延误致因。实验结果显示:①LQDG控制策略与原方案相比行车延误减少73.01%,极大提升交叉口通行效率;②根据GBD T-SHAP分析结果,主线流量对安全时距和停车距离的影响在1200 pcu/h以下呈负相关,大于1200 pcu/h呈正相关。本方法可为缓解交叉口拥堵提供设计方案以及影响通行能力因素的相关性,为优化城市道路通行能力提供一定的理论支撑。

关键词：交通工程可变车道控制交通仿真可解释机器学习交互分析

来源：评论

学校读者我要写书评

暂无评论

基于可解释机器学习的缺血性脑卒中合并吞咽困难患者院内死亡风险预测模型比较

引用

上海预防医学 2025年

作者：台耀永武胜勇罗枭朱荣慧何倩吴骋海军军医大学卫生勤务学系军队卫生统计学教研室

【目的】使用可解释机器学习方法预测缺血性脑卒中合并吞咽困难患者院内死亡风险，以期为为缺血性脑卒中合并吞咽困难的预后预测提供更多循证依据。【方法】回顾性分析美国重症监护医学信息数据库Ⅳ（MIMIC- Ⅳ）（2.0）中诊断为缺血性... 详细信息

【目的】使用可解释机器学习方法预测缺血性脑卒中合并吞咽困难患者院内死亡风险，以期为为缺血性脑卒中合并吞咽困难的预后预测提供更多循证依据。【方法】回顾性分析美国重症监护医学信息数据库Ⅳ（MIMIC- Ⅳ）（2.0）中诊断为缺血性脑卒中合并吞咽困难的308例患者的病历信息，基于最小绝对值收缩和选择算子（LASSO）筛选特征，将数据集按7∶3随机划分为训练集和测试集，分别构建极端梯度提升树、随机森林、K近邻、支持向量机、朴素贝叶斯等10种模型。通过计算受试者工作特征曲线下面积（AUC）衡量预测效果，使用校准曲线及布里尔分数评价模型的校准程度，绘制决策曲线，反映临床净收益。采用沙普利值加性解释方法分析模型的可解释性，探索重要决策因素。【结果】测试集中，朴素贝叶斯模型相较于其他模型表现出了更好的预测能力[AUC(95%CI)=0.85(0.83，0.88)]，经可解释性分析，血尿素氮、年龄、序贯器官衰竭评估、碳酸氢盐、氯化物、高血压是缺血性脑卒中合并吞咽困难患者院内死亡的重要影响因素。【结论】在预测缺血性脑卒中合并吞咽困难患者的院内死亡风险方面，朴素贝叶斯模型的综合表现优于其他9个模型。模型可解释性可帮助临床医生更好地理解结果背后的原因，针对危险因素采取合理干预措施，提升患者生存率。

关键词：可解释机器学习缺血性脑卒中吞咽困难院内死亡风险预测

来源：评论

学校读者我要写书评

暂无评论

可解释机器学习与物理规律融合的热物性显式预测方法——以气相声速为例

引用

计量学报 2025年第4期 467-474页

作者：彭夏尧杨震段远源清华大学热科学与动力工程教育部重点实验室

提出了一种热物理规律指导的人工智能探索方法，利用计算机代替执行规律探索和公式提出过程。以基础热物性参数气相声速为例，针对截断维里方程在气相高压区的固有局限性，使用符号回归对表征多分子作用的众多高阶维里系数项进行总结归... 详细信息

提出了一种热物理规律指导的人工智能探索方法，利用计算机代替执行规律探索和公式提出过程。以基础热物性参数气相声速为例，针对截断维里方程在气相高压区的固有局限性，使用符号回归对表征多分子作用的众多高阶维里系数项进行总结归纳，形成了通用性的显式预测模型。模型预测28种物质的气相声速的均方根相对偏差仅为0.29%，且在近临界压力处的预测偏差显著低于现有的模型。研究结果有望形成一种新的热物性预测模型探索方法，也是对机器学习黑箱模型进行物理意义解释的一个尝试。

关键词：热物性计量气相声速声学维里方程数据驱动可解释机器学习符号回归

来源：评论

学校读者我要写书评

暂无评论

基于可解释机器学习的混凝土重力坝变形安全监控模型

引用

水利水电科技进展 2025年第3期 77-85页

作者：程琳袁喜娜马春辉贾冬焱徐笑颜西安理工大学旱区水工程生态环境全国重点实验室西安理工大学水利水电学院

针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题，引入SHAP值理论，并结合LightGBM模型，建立了一种具备可解释性的混凝土重力坝变形安全监控模型，且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明... 详细信息

针对目前基于机器学习的大坝安全监控模型无法给出模型预测解释的问题，引入SHAP值理论，并结合LightGBM模型，建立了一种具备可解释性的混凝土重力坝变形安全监控模型，且该模型可以量化每个影响因子的具体贡献。工程实例验证结果表明，该模型考虑了变形与环境量之间复杂的非线性关系，更接近真实情况，不仅具有良好的拟合精度和预测精度，还能对模型进行全局和局部的解释。

关键词：混凝土重力坝变形安全监控可解释机器学习 SHAP值理论 LightGBM模型

来源：评论

学校读者我要写书评

暂无评论

可解释机器学习在油气领域人工智能中的研究进展与应用展望

引用

天然气工业 2024年第9期44卷 114-126页

作者：闵超文国权李小刚赵大志李昆成西南石油大学理学院西南石油大学人工智能研究院油气藏地质及开发工程全国重点实验室·西南石油大学

人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的... 详细信息

人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的人工智能在油气田中的融合和发展。为此,系统介绍了可解释机器学习方法在油气田勘探开发过程的研究现状,阐述了机器学习模型的可解释性是促进油气领域人工智能大规模应用的关键,以及事后可解释方法在油气机器学习方法上的局限性,并对技术的应用进行了展望。研究结果表明:(1)利用Shapley加性解释(SHAP)和模型无关局部解释(LIME)等事后可解释方法进行煤层气产能主控因素实例验证,指出了可解释的油气田特征指标还不足以完全指导可解释模型的构建和分析,需要基于本质可解释思路建立符合油气田勘探开发自身特点的本质可解释机器学习方法;(2)利用机理模型、因果推断和反事实解释等本质可解释方法,分析油气田数据和模型参数之间的因果关系,构建了本质可解释机器学习方法;(3)选取典型煤层气压裂数据进行产能预测实例验证,发现因果推断能有效挖掘地质参数、施工参数和产能之间的本质关系,且基于因果关系建立的机器学习模型可以实现预测泛化性能提升。结论认为,基于事后可解释和本质可解释机器学习方法不仅是未来油气领域人工智能发展的必然趋势,而且是解决人工智能在油气领域现场落地的“瓶颈”问题及关键技术。

关键词：油气田勘探开发人工智能机器学习可解释机器学习事后可解释本质可解释

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：