打开辐射带机器学习模型的黑箱
空间物理
2023-05-10 v3
摘要
许多机器学习(ML)系统,尤其是神经网络,从根本上被视为黑箱,因为一旦训练完成便难以理解其运作方式。在此,我们着手解决一个用于建模地球辐射带电子通量的高精度ML模型的可解释性问题。外辐射带电子神经网络模型(ORIENT)仅以太阳风条件和地磁指数为输入。利用深度SHAPley加性解释(DeepSHAP)方法,我们表明这一“黑箱”ORIENT模型可以被成功解释。使用DeepSHAP方法研究了Van Allen Probes在2013年3月17日至18日风暴时段以及2013年9月19日至20日非风暴时段观测到的两次显著电子通量增强事件。结果表明,从纯数据驱动的ORIENT模型计算出的特征重要性识别出了与当前物理认识一致的具有物理意义的行为。
引用
@article{arxiv.2208.08905,
title = {Opening the Black Box of the Radiation Belt Machine Learning Model},
author = {Donglai Ma and Jacob Bortnik and Xiangning Chu and Seth G. Claudepierre and Adam Kellerman and Qianli Ma},
journal= {arXiv preprint arXiv:2208.08905},
year = {2023}
}
备注
Under review