一种基于可解释性人工智能的饱和珊瑚砂阻尼比预测方法

本发明公开了一种基于可解释性人工智能的饱和珊瑚砂阻尼比预测方法，包括制备饱和珊瑚砂试样；利用饱和珊瑚砂试样进行试验，生成数据集；利用CNN‑BiLSTM组合神经网络建立饱和珊瑚砂阻尼比预测模型；利用数据集输入饱和珊瑚砂阻尼比预测模型进行训练；利用SHAP方法对饱和珊瑚砂阻尼比预测模型进行解释性分析。本发明利用饱和珊瑚砂进行试验，记录不同材料参数下饱和珊瑚砂阻尼比的变化，获得了各个影响因素之间的初步结论，接着建立CNN‑BiLSTM混合深度学习模型，实现了提取特征信息并进行预测，最后使用SHAP分析各个特征的输入参数与输出值之间的关系，拓展了人工智能在珊瑚砂动力变形特征领域的应用。