一种结合SHAP和LIME可解释性技术的新型堆叠集成框架，用于预测水泥-超塑化剂体系的易加工性

《IEEE Access》：A Novel Stacking Ensemble Framework for Predicting Workability of Cement-Superplasticizer Systems with SHAP and LIME Interpretability

　　

摘要：

水泥基材料的初始状态表现取决于水泥矿物组成与聚羧酸醚类高效减水剂分子结构之间的复杂相互作用。在水泥中C?A含量和减水剂类型不同的情况下，预测流动度指标如坍落度值和流动时间仍然具有挑战性，而且现有的机器学习方法很少将结构多样的学习原理与可解释的决策机制相结合。本研究提出了XRES-GB，这是一种新型的堆叠集成分类器，它以XGBoost、随机森林、Extra Trees和支持向量机作为基础学习器，再以梯度提升作为元模型。该框架被应用于一个包含171个观测数据的实验集，这些数据涉及22个输入变量，包括水泥的矿物组成、物理特性以及减水剂的分子参数。根据实际应用中的性能限制，将坍落度值和流动时间转化为二元性能类别，针对类别不平衡问题，采用了结合随机过采样和成本敏感型类别加权的特定策略。通过5折分层交叉验证评估模型性能，并与11种传统分类器进行了对比。XRES-GB在坍落度值和流动时间分类任务中的平均测试准确率分别达到了0.91和0.92，在准确率和各折一致性方面均优于其他竞争模型。SHAP分析表明，减水剂添加量、水泥含量和密度是最具影响力的解释变量，不过它们在坍落度值和流动时间分类任务中的相对重要性有所不同。LIME解释进一步证实，各个预测结果与已知的 Cement-减水剂相互作用机制一致。该框架能够在保持可解释性的同时实现高精度的预测，为数据驱动...

显示更多