基于智能体模型与可解释人工智能 (XAI) 模拟社会行为与政策干预情景：爱尔兰私井用水用户案例研究
计算机与社会
2025-02-11 v1 机器学习
摘要
约有五成的爱尔兰农村人口依赖不可监管的私人井，后者易受农业径流和未处理的污水污染。国家层面的 Shiga toxin-producing Escherichia coli (STEC) 和其他水源性疾病感染率较高，已与井水暴露相关联。定期检测井水对于公共卫生至关重要，但缺乏政府激励措施将财务负担置于家庭。理解影响井水检测行为的环境因素、认知因素和物质因素至关重要。本研究采用智能体模型 (ABM) 模拟基于全国调查数据的政策干预情景。ABM 框架用于私人井水检测行为，集成深度 Q 网络强化学习模型和可解释人工智能 (XAI) 以提供决策洞察。通过递归特征消除 (RFE) 结合 10 折交叉验证选取关键特征，SHAP (Shapley 可加性解释) 提供进一步的可解释性以为政策建议。测试了 14 种政策情景。最有效的情景——免费井水检测加沟通宣传 campaign——将参与率提升至约 435 个代理人（基准约 5%），行为快速适应。免费井水检测加监管亦表现良好，433 个代理人启动井水检测。仅免费检测将参与率提升至超过 75%，部分代理人每年检测多次。具有免费井水检测的情景实现更快的学习效率，在 1000 回合内收敛，而其他情景则需 2000 回合，表明适应速度较慢。本研究表明 ABM 和 XAI 在公共卫生政策中的价值，为评估环境健康领域的行为干预提供了框架。
引用
@article{arxiv.2502.05718,
title = {Using agent-based models and EXplainable Artificial Intelligence (XAI) to simulate social behaviors and policy intervention scenarios: A case study of private well users in Ireland},
author = {Rabia Asghar and Simon Mooney and Eoin O Neill and Paul Hynds},
journal= {arXiv preprint arXiv:2502.05718},
year = {2025}
}