面向可信 lateral 传播预测的领域信息化解释性提升机
机器学习
2026-03-19 v1 地球物理
摘要
解释性提升机（EBM）通过加法形状函数提供透明的预测，使可直接检查特征贡献。然而，EBM 在自然灾害应用中可能学习出非物理关系，降低其可靠性。本研究提出一种基于领域知识的框架，以提高 EBM 在横向传播预测中的物理一致性。我们的ethods 修改基于领域知识学习的形状函数。这些修改在保持数据驱动模式的同时纠正了非物理行为。我们将该方法应用于 2011 年基督堡大地震数据集，纠正了原始 EBM 中观察到的非物理趋势。 resulting 模型在全球和局部解释上产生更具物理一致性的解释，同时在准确性上保持可接受的权衡（4--5%）。
引用
@article{arxiv.2603.17175,
title = {Domain-informed explainable boosting machines for trustworthy lateral spread predictions},
author = {Cheng-Hsi Hsiao and Krishna Kumar and Ellen M. Rathje},
journal= {arXiv preprint arXiv:2603.17175},
year = {2026}
}
备注
33 pages, 16 figures