阐明灰大气：随机森林大气中性密度模型的 SHAP 值分析
空间物理
2025-10-01 v1
摘要
我们利用 TreeSHAP 算法对基于日地数据预测热层中性密度的随机森林模型（RANDM）进行 SHAP（SHapley Additive exPlanations）分析。分析表明，RANDM 将太阳辐照度识别为热层密度的重要预测因子。此外，该模型能够区分磁地方时，发现黄昏扇区的密度高于黎明扇区，这与先前的研究一致。在比较磁暴和宁静期条件时，我们发现无论地磁活动水平如何，这些趋势都持续存在。分析进一步表明，磁暴期间由 SYM-H 指数参数化的较大地磁扰动与较高的中性密度相关。值得注意的是，在模型输入中，当 SYM-H 指数达到 -60 nT 的阈值时，其对密度预测的总体贡献开始变得最大。这提示了一个定量定义，即“磁暴时”始于 SYM-H nT。总体而言，使用 TreeSHAP 增强了我们对影响热层密度因素的理解，并展示了可解释机器学习技术在空间天气研究中的价值，使得模型更具可解释性。
引用
@article{arxiv.2509.26299,
title = {Elucidating the Grey Atmosphere: SHAP Value Analysis of a Random Forest Atmospheric Neutral Density Model},
author = {C. Bard and K. Murphy and A. Halford},
journal= {arXiv preprint arXiv:2509.26299},
year = {2025}
}
备注
19 pages; 11 figures; submitted to Space Weather