基于可解释人工智能(XAI)的热带气旋直接经济损失评估研究
刘淑贤1
刘扬1
杨琨1
张立生1
张源达2
1.国家气象中心,北京 1000812.中国气象科学研究院,北京 100081
摘要：可解释人工智能(eXplainable Artificial Intelligence,XAI)已经成为人工智能研究领域的重要发展方向,该技术可以帮助解释模型如何做出预测和决策,在气象灾害评估领域具有较大应用价值.本研究旨在利用机器学习算法评估热带气旋(Tropical Cyclone,TC)的直接经济损失,并采用XAI方法SHAP(SHapley Additive exPlanations),从全局和局部层面分析特征因素对模型预测的影响和贡献.结果表明,随机森林(Random Forest,RF)模型在均方根误差、平均绝对误差和决定系数这三个评估指标中均优于LightGBM(Light Gradient Boosting Machine)模型,指标值分别达到了23.6、11.1和0.9.根据SHAP值,RF模型中最重要的三个因素分别是极大风速、最大日雨量和暴雨站点比例.具体而言,当样本的极大风速值大于45 m·s-1、最大日雨量值超过250 mm以及暴雨站点比例高于30%时,往往对TC直接经济损失预测值产生较大的正贡献.该研究可以为决策者制定灾害风险管理策略提供有力的科学依据和理论支持.
关键词：热带气旋直接经济损失机器学习可解释人工智能SHAP
分类号：P429(气象基本要素、大气现象)
资助基金：国家气象中心青年基金(Q202413)
论文发表日期：2024-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 943-953 )
英文信息