基于SHAP的机上吸烟行为可解释预测模型研究

作     者：刘玲莉 吕航 王辛驰 LIU Lingli;LV Hang;WANG Xinchi

作者机构：中国民航大学安全科学与工程学院天津300300 

出 版 物：《综合运输》 (China Transportation Review)

年 卷 期：2024年第46卷第4期

页      面：94-99,171页

学科分类：08[工学] 0837[工学-安全科学与工程] 0825[工学-航空宇航科学与技术] 

基　　金：2021年民航局安全能力项目“民航机上安保案(事)件统计分析及预警机制研究”(SKZ49420210032) 

主　　题：民航安保 机上吸烟行为 预测模型 可解释性机器学习 

摘      要：为预测机上吸烟行为的发生,本文采用决策树、lightgbm、CATBoost、XGBoost、GBDT共5种算法构建机上吸烟行为预测模型,结果表明CATBoost算法在准确率、精确率、召回率、F1值、AUC值5项模型预测效果评估指标上均优于其他模型。进一步运用SHAP可解释方法提高模型的可解释性,识别出年龄、旅客密度、季节、所处位置、航空服务能力、机上非法干扰行为率这6个指标是影响机上吸烟行为的重要指标,使用具体样本验证了各指标对机上吸烟行为发生的影响程度与影响方向,为防控机上吸烟行为的发生提供参考建议。