热带气象学报

作者：刘淑贤, 刘扬, 杨琨, 张立生, 张源达

单位：1.国家气象中心，北京1000812.中国气象科学研究院，北京100081

关键词：热带气旋, 直接经济损失, 机器学习, 可解释人工智能, SHAP

基金：国家气象中心青年基金项目Q202413；

可解释人工智能(eXplainable Artificial Intelligence，XAI)已经成为人工智能研究领域的重要发展方向，该技术可以帮助解释模型如何做出预测和决策，在气象灾害评估领域具有较大应用价值。本研究旨在利用机器学习算法评估热带气旋(Tropical Cyclone，TC)的直接经济损失，并采用XAI方法SHAP(SHapley Additive exPlanations)，从全局和局部层面分析特征因素对模型预测的影响和贡献。结果表明，随机森林(Random Forest, RF)模型在均方根误差、平均绝对误差和决定系数这三个评估指标中均优于LightGBM(Light Gradient Boosting Machine)模型，指标值分别达到了23.6、11.1和0.9。根据SHAP值，RF模型中最重要的三个因素分别是极大风速、最大日雨量和暴雨站点比例。具体而言，当样本的极大风速值大于45 m ·s-1、最大日雨量值超过250 mm以及暴雨站点比例高于30%时，往往对TC直接经济损失预测值产生较大的正贡献。该研究可以为决策者制定灾害风险管理策略提供有力的科学依据和理论支持。

来源：2024年第6期

《热带气象学报》期刊编辑部

查看热带气象学报杂志2024年第6期