基于可解释机器学习的塑料包装废弃物预测方法技术

本申请提供一种基于可解释机器学习的塑料包装废弃物预测方法，该方法包括：获取塑料包装废弃物的历史产生量及特征数据；对特征数据进行数据筛选处理，得到第一目标特征数据；根据历史产生量和第一目标特征数据对预设模型进行训练，得到待优化的预测模型；将第一目标特征数据输入至待优化的预测模型，得到第一预测数据；根据第一预测数据，在第一目标特征数据中确定第二目标特征数据；根据历史产生量和第二目标特征数据对待优化的预测模型进行训练，得到目标塑料包装废弃物预测模型，以基于目标塑料包装废弃物预测模型，对塑料包装废弃物的产生量实现预测。本申请对塑料包装废弃物的产生量的预测准确性较高，为预测废弃物的产生提供了可靠的方法。

【技术实现步骤摘要】

本申请涉及数据处理的，尤其涉及一种基于可解释机器学习的塑料包装废弃物预测方法。

技术介绍

1、随着互联网的飞速发展，以外卖、快递等为代表的新兴消费方式已成为居民日常生活消费的重要组成部分。然而，伴随新兴产业蓬勃发展，这些产业所对应的废弃物的问题逐渐凸显，给生态环境和人类健康带来了严峻挑战，阻碍了城市可持续发展，急需加强废弃物管理。在推进废弃物管理的过程中，精准预测废弃物的产生量至关重要，废弃物的产生受到多种因素的影响，识别废弃物产生的因素将有助于提高废弃物产生量预测的精度，从而提高废弃物的管理水平。

2、现有关于废弃物产量的预测方法主要有统计学方法，如多元回归分析、时间序列分析等，以及机器学习方法，如决策树模型、随机森林、支持向量机、人工神经网络等。然而，统计学方法易忽略废弃物产生量与社会经济等因素之间的非线性关系，从而限制了预测精度，同时统计学利用假设检验容易受到劣势样本的影响，降低结果的可靠性。机器学习方法虽然具有强大的预测性能，但其依赖于超参数的选择，不当的超参数选择可能导致性能下降。此外机器学习方法属于黑盒模型，存在可解释性不足的问题，本文档来自技高网...

【技术保护点】

1.一种基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，应用于终端设备，所述基于可解释机器学习的塑料包装废弃物预测方法包括：

2.如权利要求1所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述基于SHAP分析模型，根据所述第一预测数据，在所述第一目标特征数据中确定第二目标特征数据，包括：

3.如权利要求2所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述基于SHAP值计算网络，根据所述第一目标特征数据和所述第一预测数据确定每项所述第一目标特征数据各自对应的SHAP值，包括：

4.如权利要求2所述的基于可解释机器学...

【技术特征摘要】

1.一种基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，应用于终端设备，所述基于可解释机器学习的塑料包装废弃物预测方法包括：

2.如权利要求1所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述基于shap分析模型，根据所述第一预测数据，在所述第一目标特征数据中确定第二目标特征数据，包括：

3.如权利要求2所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述基于shap值计算网络，根据所述第一目标特征数据和所述第一预测数据确定每项所述第一目标特征数据各自对应的shap值，包括：

4.如权利要求2所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述将所述shap值满足预设数据筛选条件的第一目标特征数据确定为所述第二目标特征数据集，包括：

5.如权利要求1-4任一项所述的基于可解释机器学习的塑料包装废弃物预测方法，其特征在于，所述基于灰狼优化算法，根据所述历史产生量和所述第一目标特征数据对预设模型进行训练，得到待优化的塑料包装废弃物预测模型，包括：

6.如权利要求5所述的基于可解释机器学习的塑料包装废弃物预测方...

【专利技术属性】
技术研发人员：周雅，王天乐，关爱群，刘秋丽，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：