融合SHAP和TSO-XGBoost模型的水路货运量预测

来源：水利水运工程学报杂志 2024年第6期北京时间：

作者：温泉,余玉欢,庄尚德,牟军敏

摘要：水路货运量需求受诸多因素影响，长江干线中游“645”工程实施后，航道通航条件得到了明显改善，为了更好分析工程实施后货运量变化趋势，提出一种新的水路货运量预测模型。首先，采用二次插值法和KNN反距离权重插值法解决高维面板数据中时间粒度不统一与缺失问题，利用层次聚类和SHAP值的可解释性综合筛选关键影响因素特征序列，降低预测模型输入数据的维度和规模，引入Halton低差异序列和准反射学习策略（QRBL）大幅提升金枪鱼群优化算法（TSO）的寻优效能，增强TSO算法对极限梯度提升（XGBoost）模型中决策树数量、决策树的深度、学习速率等决定模型拟合能力的超参组合寻优效果。结果表明，新模型预测精度显著优于对比模型，可更好地适用于多特征影响因素下的水路货运量预测研究。

关键词：金枪鱼群优化算法（TSO）, 极限梯度提升（XGBoost）, 水路货运量