基本信息:
- 专利标题： 一种基于可解释性集成学习的输电线路山火发生概率预测方法
- 申请号：CN202510834126.7 申请日：2025-06-20
- 公开(公告)号：CN120706260A 公开(公告)日：2025-09-26
- 发明人： 舒胜文 , 杨浩禾 , 唐世杰 , 肖楠
- 申请人： 福州大学
- 申请人地址： 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学
- 专利权人： 福州大学
- 当前专利权人： 福州大学
- 当前专利权人地址： 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学
- 代理机构： 福州元创专利商标代理有限公司
- 代理人： 陈明鑫; 蔡学俊
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F18/214 ; G06F18/243 ; G06N5/01 ; G06N20/20 ; G06F111/08
摘要：
本发明涉及一种基于可解释性集成学习的输电线路山火发生概率预测方法，属于输电线路防灾减灾领域。所述方法，包括：构建输电线路山火数据集，以7:3的比例划分山火数据集的训练集与测试集作为训练样本；基于不同平衡样本集，采用自适应提升算法、梯度提升决策树、极端梯度提升树以及轻量型梯度提升机建立山火发生概率预测模型；对比不同输电线路山火数据集下各模型的预测性能，取综合性能最优的平衡数据集与模型开展超参数优化，得到优化后山火发生风险预警模型；以沙普利加性方法求解优化后山火发生风险预警模型中各输入特征量所对应的数值，量化各特征对模型的重要性，并为模型提供多方面的解释，便于理解模型所作出的山火发生风险预测结果。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |