用于预测与解释车辆燃油消耗异常的可解释机器学习模型
机器学习
2021-07-23 v5 人工智能
摘要
识别车队车辆的燃油消耗异常是优化消耗与降低成本的关键环节。然而，仅有这一信息是不够的，因为车队运营者需要知道异常燃油消耗背后的原因。我们结合无监督异常检测技术、领域知识以及可解释机器学习（Machine Learning）模型，基于特征相关性来解释异常燃油消耗的潜在原因。这些解释被用于生成关于燃油优化的建议，并根据两类不同用户画像进行调整：车队管理者与车队运营者。结果在来自不同工业车队类型中柴油与汽油车辆车载远程信息处理设备的真实数据上进行了评估。我们从模型性能以及使用可解释人工智能（Explainable AI）指标来衡量解释的角度评估了该方案，这些指标在代表性、保真度、稳定性、对比性与同先验信念的一致性方面对解释进行比较。可实现的潜在燃油降低约为 35%。
引用
@article{arxiv.2010.16051,
title = {Interpretable Machine Learning Models for Predicting and Explaining Vehicle Fuel Consumption Anomalies},
author = {Alberto Barbado and Óscar Corcho},
journal= {arXiv preprint arXiv:2010.16051},
year = {2021}
}
备注
25 pages, 10 figures, 8 tables