《Journal of Agriculture and Food Research》：Time-aware explainable AI benchmarking for Indonesian rice price forecasting: A leakage-aware quantitative evaluation framework
编辑推荐：
- 一种面向作物价格预测的时间感知与泄漏感知XAI基准评估框架。
- 在扩展窗口下，朴素预测取得了最低MAPE，其次是LR。
- 2024年大米平均价格比2019年1月至2023年12月的均值高出30.0%。
- 带PDP的RF在全局DoX上领先（0.854）
- 一种面向作物价格预测的时间感知与泄漏感知XAI基准评估框架。
- 在扩展窗口下，朴素预测取得了最低MAPE，其次是LR。
- 2024年大米平均价格比2019年1月至2023年12月的均值高出30.0%。
- 带PDP的RF在全局DoX上领先（0.854）；带SHAP的RF在局部方法上领先（0.825）。
- 准确性和可解释性排名出现分歧，显示出不同的操作角色。
大米价格预测在印度尼西亚农业政策中占据核心地位。大米是约2.7亿人口的主要主食，并构成国家消费者价格指数的重要决定因素。准确的短期预测可帮助政府机构制定进出口监管、补贴分配和缓冲库存管理等应对措施，同时帮助农民和交易商在不确定市场条件下规划生产与销售。传统统计方法如ARIMA在农业价格预测中广泛应用，但假设线性数据生成过程，难以捕捉非线性、结构性突变和多个外生变量的交互效应。机器学习方法（如随机森林、XGBoost、LightGBM、支持向量回归）可建模复杂特征交互，但其黑箱特性限制了在政策制定中的部署。后验解释方法如SHAP、LIME、Tree Interpreter、排列重要性和部分依赖图可提供特征归因诊断，但缺乏统一的定量评估协议，尤其是在真实时间序列约束下。农业数据存在信息报告滞后、滞后特征结构相关、评估样本小、可能违反平稳性等挑战。为此，研究人员提出一个时间感知且泄漏感知的定量基准评估框架，用于比较印尼大米价格预测中的预测准确性和解释质量。
研究人员在印尼大米价格预测中实施了两个分离的分析设计。设计A采用扩展窗口评估（48个预测起点，2021年1月至2024年12月）评估预测准确性；设计B使用固定模型（2019年1月至2023年12月训练）评估解释质量。研究回答了四个问题：不同模型在防泄漏协议下的预测表现；局部和全局解释方法在敏感性、一致性、稳定性、简单性上的差异；可解释性程度（Degree of Explainability, DoX）排名对权重方案的敏感性；以及如何将定量XAI指标转化为决策支持而不视为因果证据。结果表明，在扩展窗口下，朴素预测取得最低平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）（1.847%），其次是线性回归（2.522%）；在机器学习模型中，XGBoost最优（2.906%）。解释质量方面，随机森林（Random Forest, RF）与部分依赖图（Partial Dependence Plot, PDP）组合的全局DoX最高（0.854），RF与SHAP组合的局部DoX最高（0.825）。准确性和可解释性排名出现分歧，说明两者具有不同的操作角色。该框架将信息可用性感知的特征构造、扩展窗口预测测试和固定模型XAI评估相结合，提供了可复现的时间感知基准，并通过敏感性分析支持应用导向的方法选择。
研究人员使用印度尼西亚中央统计局（Badan Pusat Statistik, BPS）和国家粮食署（Badan Pangan Nasional）的84个月度观测，经特征工程后得到2019年1月至2024年12月72个特征完整样本。预测模型包括朴素法、季节朴素法、线性回归、ARIMAX、SARIMAX、RF、XGBoost、LightGBM和支持向量回归（Support Vector Regression, SVR）。采用扩展窗口单步预测，共48个预测起点。生产变量滞后2个月，价格滞后和滚动统计量均进行防泄漏位移。解释方法包括SHAP、LIME、Tree Interpreter、排列重要性（Permutation Importance）和PDP。量化指标包括特征敏感性指数（Feature Sensitivity Index, FSI）、邻域一致性、扰动稳定性、简单性和DoX，并采用bootstrap置信区间、留一月（Leave-One-Month-Out, LOMO）交叉验证和六种权重方案进行敏感性分析。
4.1 模型性能：通过扩展窗口评估，朴素预测取得最低bootstrap平均MAPE（1.847%），其次为线性回归（2.522%）。在非线性机器学习模型中，XGBoost最低（2.906%），RF（3.155%）、LightGBM（5.941%）和SVR（10.804%）依次变差。ARIMAX和SARIMAX在所有48个预测起点均出现数值异常，返回朴素回退，其报告值不视为有效ARIMA性能。
4.2 结构断点分析与价格机制描述：Zivot-Andrews检验未能返回有效统计量或断点日期，因此采用描述性分析。2024年12个月平均价格（12,800.80印尼盾/公斤）比2019年1月至2023年12月均值（9,846.41印尼盾/公斤）高30.0%，表明价格水平上移，但无法确认统计断点。
4.3 XAI指标结果：在19种方法-模型组合中，全局方法RF+PDP的DoX最高（0.854，95%置信区间[0.829, 0.865]），其次为LightGBM+PDP（0.841）和XGBoost+PDP（0.830）。局部方法中RF+SHAP最高（0.825，95%置信区间[0.802, 0.838]），RF+LIME（0.811）和RF+Tree Interpreter（0.807）次之。SVR+SHAP最低（0.454）。准确性和可解释性排名不一致。
4.4 敏感性分析：六种DoX权重方案下的平均Kendall秩相关为0.733。RF+PDP在原始和FSI-focused权重下排名第一，LightGBM+PDP在Equal、Stability-focused和Consistency-focused下第一，XGBoost+PDP在Simplicity-boosted下第一。SVR+SHAP在所有方案中均排名最末。
4.5 特征重要性分析：固定RF模型的SHAP分析显示，近期价格滞后和移动平均贡献最大，生产类特征贡献很小，说明模型主要依赖近期价格动量而非生产基本面。
4.6 可视化：DoX条形图、雷达图和SHAP summary plot用于展示各组合的指标分布和特征归因。
4.7 实证发现总结：预测准确性和解释质量产生不同排名，朴素预测在准确性上最优，而RF+PDP和RF+SHAP分别在全局和局部解释上最优。
讨论部分指出，朴素预测的强表现与价格高度的月间持续性一致；ARIMAX/SARIMAX因数值异常无法评估；XGBoost虽在预测上有相对较好表现，但解释质量排名不对应；全局解释方法中PDP比Permutation Importance更稳定；局部解释中RF+SHAP适合局部审计，RF+PDP适合全局沟通。结果与近期XAI基准研究一致，即没有单一方法在所有维度上占优。局限性包括样本量小、树集成外推能力有限、DoX权重主观、缺少人类评估、未涵盖深度学习模型。未来方向包括更大样本、其他商品、用户研究和序列模型。
研究结论：本研究提出一个时间感知、泄漏感知的基准框架，用于印尼大米价格预测和XAI评估。设计A的扩展窗口评估显示，朴素预测取得最低bootstrap平均MAPE（1.847%），XGBoost是机器学习模型中最佳（2.906%），线性回归总体第二（2.522%）。Zivot-Andrews检验未返回有效断点，2024年价格均值比之前高30.0%。ARIMAX和SARIMAX因数值异常未能产生基于模型的预测。设计B的固定模型评估显示，RF+PDP在全局DoX上最高（0.854，rank-1概率70.6%），RF+SHAP在局部DoX上最高（0.825，LOMO范围最窄）。六种权重方案的敏感性分析显示排名中度到强一致（平均Kendall τ=0.733）。框架将预测准确性和解释质量分开评估，DoX作为比较度量而非通用可解释性分数。研究未评估用户信任、理解或决策质量，解释不构成因果证据。
