|国家科技期刊平台
| 注册
首页|期刊导航|成都理工大学学报(自然科学版)|基于SHAP的可解释机器学习的滑坡易发性评价模型

基于SHAP的可解释机器学习的滑坡易发性评价模型

崔婷婷 安雪莲 孙德亮 陈东升 朱有晨

成都理工大学学报(自然科学版)2025，Vol.52Issue(1)：P.153-172,20.
✕
成都理工大学学报(自然科学版)2025，Vol.52Issue(1)：P.153-172,20.DOI:10.3969/j.issn.1671-9727.2025.01.11

基于SHAP的可解释机器学习的滑坡易发性评价模型

崔婷婷 1安雪莲 2孙德亮 2陈东升 1朱有晨2

作者信息

  • 1. 重庆对外经贸学院数学与计算机学院,重庆401520
  • 2. 重庆师范大学GIS应用研究重庆市高校重点实验室,重庆401331
  • 折叠

摘要

关键词

XGBoost/深度随机森林/SHAP/三峡库区/滑坡易发性评价

分类

天文与地球科学

引用本文复制引用

崔婷婷,安雪莲,孙德亮,陈东升,朱有晨..基于SHAP的可解释机器学习的滑坡易发性评价模型[J].成都理工大学学报(自然科学版),2025,52(1):P.153-172,20.

基金项目

重庆市自然科学基金(CSTB2023NSCQ-MSX0618) （CSTB2023NSCQ-MSX0618）

重庆市教委科学技术研究项目(KJQN202302005)。 （KJQN202302005）

成都理工大学学报(自然科学版)

OA北大核心

1671-9727

访问量0
|
下载量0
段落导航相关论文