融合SHAP和TSO-XGBoost模型的水路貨運量預測

打開文本圖片集

摘要：水路貨運量需求受諸多因素影響，長江干線中游“645”工程實施后，航道通航條件得到了明顯改善，為了更好分析工程實施后貨運量變化趨勢，提出一種新的水路貨運量預測模型。首先，采用二次插值法和KNN反距離權重插值法解決高維面板數(shù)據(jù)中時間粒度不統(tǒng)一與缺失問題，利用層次聚類和SHAP值的可解釋性綜合篩選關鍵影響因素特征序列，降低預測模型輸入數(shù)據(jù)的維度和規(guī)模，引入Halton低差異序列和準反射學習策略（QRBL）大幅提升金槍魚群優(yōu)化算法（TSO）的尋優(yōu)效能，增強TSO算法對極限梯度提升（XGBoost）模型中決策樹數(shù)量、決策樹的深度、學習速率等決定模型擬合能力的超參組合尋優(yōu)效果。（剩余16267字）