科研之友
微信
新浪微博
Facebook
分享链接
摘要
该研究从预测精度、计算效率、模型解释可信度3个方面对比分析了支持向量机（SVM）、随机森林（RF）、梯度提升树（GBR）及神经网络（NN）模型用于国际平整度指数（IRI）预测建模的效果，并基于加性Shapley值解释（SHAP）方法，通过相对重要性及其变异系数评价了模型解释结果的可信度。研究结果表明，梯度提升树模型的综合性能最优，基于决策树和提升算法的机器学习模型更适用于结果解释性研究；虽然神经网络模型具有最高的预测精度，但其损失函数的非凸性使得模型解释结果不可靠；特征重要性结果表明沥青路面平整度的变化由环境因素主导，其中降水的影响最为显著，其次为低温指标。
-
单位中国交通建设股份有限公司总承包经营分公司; 河海大学
