水工结构变形预测模型构建与解释

摘要： 现有基于机器学习算法的水工结构安全监控模型结果的可解释性较差。为提高安全监控模型的可解释性，发展一种基于集成学习算法的水工结构变形预测模型构建与解释方法。简述改进统计模型及随机森林（RF）、极端梯度提升树（XGBoost）两种常用的集成学习算法，引入沙普利值可加性解释（SHAP）方法实现集成学习算法模型结果的可解释性，阐述SHAP方法的原理和推导过程。以某运行初期特高拱坝变形数... （共10页）