研究团队提出Local Spatial TreeSHAP空间可解释机器学习框架

1. 13:00
   arXiv 机器学习

   Local Spatial TreeSHAP：基于地理可解释 AI 揭示洪涝韧性的城镇化空间异质性

   该研究提出结合地理加权随机森林与 Local Spatial TreeSHAP 算法的空间可解释机器学习框架，用于在社区尺度解析城市洪涝韧性机制。该框架应用于受 2023 年 7 月北京极端暴雨影响的 779 个社区，显示 SHAP 值空间自相关较预测变量平均降低 66.2%，并揭示出横跨城镇化梯度的三种不同韧性模式。

Current heat 4·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours-50%

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.