基于SHAP复合指数的绿氢产能预测与站点适宜性评估：聚焦阿曼
机器学习
2025-07-24 v2 人工智能
系统与控制
系统与控制
摘要
随着各国寻求化石燃料的可持续替代方案，绿氢已成为实现脱碳目标的重要战略路径，尤其在阳光丰富的arid地区。然而，确定氢产气的最优位置需要整合复杂的环境、大气和基础设施因素，往往受限于直接氢产量数据稀缺的制约。本研究提出一种新型人工智能框架，用于计算绿氢产能和站点适宜性指数，采用均值绝对SHAP值。该框架由无监督多变量聚类、监督机器学习分类器和SHAP算法组成。该管道在整合气象、地形和时序数据上进行训练，结果揭示了适宜性的空间模式以及变量的相对影响程度。模型预测准确率达98%，结果显示水源 proximity、elevation和季节性 variation是决定阿曼绿氢站点适宜性的最有影响因素，其均值绝对SHAP值分别为2.470891、2.376296和1.273216。鉴于许多拥有绿氢前景和野心的国家数据稀缺或缺失，本研究提供了一种客观且可复制的替代方案，取代主观专家权重，让数据自行发声，并可能在无预设假设的情况下发现新型潜在分组。本研究为行业利益相关者和政策制定者提供了一个可复制且可扩展的工具，用于绿氢基础设施规划及其他数据稀缺地区的决策。
引用
@article{arxiv.2507.14219,
title = {Artificial Intelligence for Green Hydrogen Yield Prediction and Site Suitability using SHAP-Based Composite Index: Focus on Oman},
author = {Obumneme Zimuzor Nwafor and Mohammed Abdul Majeed Al Hooti},
journal= {arXiv preprint arXiv:2507.14219},
year = {2025}
}