中国安全科学学报

作者：刘亚栋, 刘贤, 胡贺松, 陈航, 乔升访

单位：1 广州市建筑科学研究院集团有限公司,广东 广州 510440；2 广州建筑股份有限公司,广东 广州 510030；3 华南理工大学 土木与交通学院,广东 广州 510641；4 中山大学 土木工程学院,广东 广州 510275

关键词：可解释性,机器学习模型,基坑,围护墙变形,影响因素,特征变量

基金：广州市科技计划项目(2024B03J1389); 广州市建筑集团有限公司科技计划项目(2024KJ033); 广州市建筑集团有限公司科技计划项目(2024KJ030); 广州市院士专家工作站建设项目(创新中心-2024-D011)

为了提高基坑变形预测的可解释性,构建一种基于可解释机器学习的基坑围护墙变形预测模型,并详细分析各特征变量对预测结果的影响。首先,将大量的基坑支护结构参数作为数据集,利用80%的数据集和极限梯度提升(XGBoost)模型构建基坑围护墙最大侧移的预测模型;然后,基于20%的数据集对模型进行测试,利用决定系数、偏差系数、平均绝对百分差和均方根误差4种指标评估模型精度;最后,基于XGBoost模型,运用沙普利加和解释(SHAP)方法完成基坑特征变量的全局解释、单个样本的局部分析和特征变量的交互作用分析。结果表明:所提方法能够对基坑的变形预测进行全局和局部解释。在全局层面,不仅能提供基坑特征变量的重要性排序,还可以给出SHAP值的分布;在局部层面,能够将单个样本的变形预测结果分解为基值和每个特征变量的贡献,从而量化单个特征变量的影响。

来源：2025年第4期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2025年第4期