105 / 2025-03-31 19:20:51

基于SHAP的多气候区热感觉参数重要性分析（参加“优秀学生论文评选”）

室内热环境,热舒适,机器学习,SHAP,气候差异

传统热舒适模型依赖静态热平衡假设，忽略了不同气候区和个体差异性的影响。机器学习模型通过融合多源参数提升了预测精度，但其黑箱特性掩盖了特征作用机制，难以支撑精准调控策略设计。为解决这一矛盾，本文基于中国热舒适数据库，利用弹性网回归、随机森林、XGBoost等多种机器学习算法，构建热感觉预测模型。为进一步解析模型决策机制，引入SHAP（Shapley Additive exPlanations）解释具有最佳预测性能模型的重要特征。在利用SHAP量化环境参数（温湿度、风速）与个体特征（性别、年龄）对热感觉的全局贡献度的同时，系统性比较不同气候区的参数重要性排序，揭示热感觉影响因素的区域异质性，生成“气候区-参数优先级”决策图谱，其结论可对不同气候区的室内环境设计提供有效指导。