融合SHAP和TSO-XGBoost模型的水路货运量预测

	融合SHAP和TSO-XGBoost模型的水路货运量预测
	温泉 1; 余玉欢 2; 庄尚德 2; 牟军敏 3
	2024-08-31
发表期刊	水利水运工程学报
ISSN	1009-640X
期号	06 页码:86-96
摘要	水路货运量需求受诸多因素影响，长江干线中游“645”工程实施后，航道通航条件得到了明显改善，为了更好分析工程实施后货运量变化趋势，提出一种新的水路货运量预测模型。首先，采用二次插值法和KNN反距离权重插值法解决高维面板数据中时间粒度不统一与缺失问题，利用层次聚类和SHAP值的可解释性综合筛选关键影响因素特征序列，降低预测模型输入数据的维度和规模，引入Halton低差异序列和准反射学习策略（QRBL）大幅提升金枪鱼群优化算法（TSO）的寻优效能，增强TSO算法对极限梯度提升（XGBoost）模型中决策树数量、决策树的深度、学习速率等决定模型拟合能力的超参组合寻优效果。结果表明，新模型预测精度显著优于对比模型，可更好地适用于多特征影响因素下的水路货运量预测研究。
关键词	金枪鱼群优化算法(TSO) 极限梯度提升(XGBoost) 水路货运量
URL	查看原文
收录类别	北大核心 ; CSCD扩展版
语种	中文
资助项目	国家重点研发计划项目（2018YFB1600405）;国家自然科学基金资助项目（52271367）
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/174089
专题	国家开放大学武汉分部
作者单位	1.武汉软件工程职业学院(武汉开放大学)商学院; 2.长江航道局; 3.武汉理工大学航运学院
第一作者单位	国家开放大学武汉分部
第一作者的第一单位	国家开放大学武汉分部
推荐引用方式 GB/T 7714	温泉,余玉欢,庄尚德,等. 融合SHAP和TSO-XGBoost模型的水路货运量预测[J]. 水利水运工程学报,2024(06):86-96.
APA	温泉,余玉欢,庄尚德,&牟军敏.(2024).融合SHAP和TSO-XGBoost模型的水路货运量预测.水利水运工程学报(06),86-96.
MLA	温泉,et al."融合SHAP和TSO-XGBoost模型的水路货运量预测".水利水运工程学报 .06(2024):86-96.