面向高压变电站建设的土壤电阻率解释型双注意力表格变换器
信号处理
2025-04-07 v1 机器学习
神经与进化计算
摘要
本研究引入了一种新型双注意力变换器架构，用于预测土壤电阻率，这是高压变电站建设中的关键参数。该模型采用跨特征和数据批次的注意力机制，并通过特征嵌入层将输入投影到更高维空间。我们采用粒子群优化实现超参数调优，系统优化嵌入维度、注意力头数以及神经网络架构。该提出的架构在表格数据预测任务中实现了优异的预测性能（平均绝对百分比误差：0.63%），优于最近的领先模型。关键在于，该模型通过 SHapley 叠加解释（SHAP）价值分析保持了可解释性，揭示了颗粒含量和干密度是影响土壤电阻率最具影响力的两个参数。我们开发了一个基于该模型的 Web 应用，为工程师提供了一个易于访问的决策支持框架，将岩土工程与电气工程要求连接起来，满足泰国电力发展署的结构稳定性和电气安全标准，从而提高了高压基础设施建设的效率和安全性。
引用
@article{arxiv.2504.02834,
title = {Explainable Dual-Attention Tabular Transformer for Soil Electrical Resistivity Prediction: A Decision Support Framework for High-Voltage Substation Construction},
author = {Warat Kongkitkul and Sompote Youwai and Warut Sakulpojworachai},
journal= {arXiv preprint arXiv:2504.02834},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2502.15827 by other authors