【Landsc Urban Plan】基于可解释机器学习模型和多目标优化算法的城市尺度绿色基础设施优化规划——以北京市中心为例

文章预览

【Landscape and Urban Planning】 基于可解释机器学习模型和多目标优化算法的城市尺度绿色基础设施优化规划——以北京市中心为例 01 摘要     绿色基础设施 （GI） 已发展成为缓解城市洪水的可持续方法。虽然机器学习 （ML） 模型在城市洪水模拟中表现出优势，但直接应用于支持城市规模的 GI 定量规划仍然是一个挑战。为了解决这个问题，本研究将基于支持向量机 （SVM） 和 Shapley 加法解释 （SHAP） 方法的可解释 ML 模型与非支配排序遗传算法-II （NSGA-II） 相结合。该模型应用于中国北京市中部的情况，并展示了稳健的性能，曲线下面积 （AUC） 值为 0.94。城市洪涝易发性评估结果确定研究区城乡过渡区受到更大的洪涝威胁。通过使用 SHAP 进行模型解释，揭示了 GI 和灰色基础设施 （GrI） 在预防洪水中的主导作用，并且证明两者之间的非线性互补性在 ………………………………