通过可解释的混合模型,提高沟中的固体沉积预测:一项审查
Chinedu Ekechukwu1, Antonia Chatzirodou2, Hazel Beaumont2
1School of Engineering, College of Arts, Technology and Environment, University of the West of England, Bristol BS16 1QY, UK
概括
了解沟中的固体沉积对于管理城市洪水至关重要. 这项研究强调了如何解释混合建模,整合人工智能,可以克服传统模型的局限性,以更好地预测沟性能.
科学领域:
- 环境工程 环境工程
- 水文学的水文学
- 城市规划 城市规划
背景情况:
- 城市洪水需要了解固体沉积下的沟性能.
- 气候和人为因素显著影响沟中的固体沉积.
- 现有的模型由于复杂性,不灵活性和数据偏差而面临不确定性.
研究的目的:
- 通过审查八种不同的模型来调查沟中的固体沉积.
- 突出传统和混合模型在处理复杂的沉积变量方面的局限性.
- 介绍 eXplainable 人工智能 (XAI) 在解决混合模型可解释性挑战方面的重要性.
主要方法:
- 审查了八种模型:四种决定性,两个混合型,一种统计型和一种概念型.
- 分析传统模型在管理气候和人为变量方面的局限性.
- 集成数据驱动方法与传统模型形成混合模型.
- 应用可解释的人工智能 (XAI) 工具来提高混合模型的透明度.
主要成果:
- 传统模型与非线性变量和数据偏差作斗争,导致不确定性.
- 混合模型可以提高预测的准确性,但往往缺乏可解释性.
- XAI工具为固体沉积的混合模型中的可解释性差距提供了解决方案.
- 建议为沟固体沉积建模提供一个代表性的工作流.
结论:
- 可解释的混合建模为沟管理提供了一个强大的方法.
- 这种方法解决了现有的固体沉积模型的关键局限性.
- 这些发现支持使用可解释的人工智能来提高城市基础设施的弹性.


