收藏！武汉大学CEUS最新发文！SHAP解释如何改进基于深度学习的城市元胞自动机模型？

文章预览

题目 ： How can SHAP (SHapley Additive exPlanations) interpretations improve deep learning based urban cellular automata model? 期刊 ： Computers, Environment and Urban Systems 01 摘要 对城市细胞自动机（CA）模型的解释旨在确保其预测行为与现实世界的过程一致。 目前的城市CA解释揭示了驱动因素对土地开发适宜性的影响，或邻域效应和随机扰动对模拟结果的影响。 然而，有三个局限性仍未解决： （1）基于深度学习（DL）的城市CA的解释很少与预先要求的特征选择相结合，（2）来自不同城市CA模块的输入特征仍然通过单独的方法来解释，以及（3）解释结果很少在单元水平上得出，以揭示空间变化的城市土地开发模式。 本研究提出了一个基于 SHapley Additive exPlanations（SHAP）的城市CA解释框架，以应对这些挑战并改进城市CA。 该框架使用模型级的SHAP重要性来识别不同模块的主要特征，以 ………………………………