热力学仿真辅助随机森林（TSRF）：如何通过SHAP理论推进分类决策的白盒化

在复杂工业设备的故障诊断领域，纯粹的数据驱动方法往往因为缺乏物理机理支撑而面临黑盒困境，导致决策过程难以被工程师信任。为了解决这一痛点，最新发表的一项研究提出了名为热力学仿真辅助随机森林（TSRF）的架构。该研究在论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines》中，将一维热力学仿真模型与机器学习算法相结合。该方法通过引入物理先验知识并利用可解释性人工智能技术，致力于实现高效、透明的故障分类。

要理解TSRF如何实现决策的相对“白盒化”，首先需要探讨SHAP（Shapley Additive exPlanations）理论的基础知识。SHAP的核心思想源自合作博弈论中的夏普里值（Shapley Value），它将机器学习模型的预测过程视作一个多人博弈游戏，而模型输入特征则扮演着博弈中的“玩家”。SHAP通过衡量每个特征在加入所有可能的特征子集时对模型预测值所产生的边际贡献，从而计算出一个具有数学严谨性的平均贡献度。与传统的特征重要性评估方法相比，SHAP值具备加性特征、局部一致性以及缺失性等优良属性，能够不仅定量给出每个变量的影响权重，还能明确指示特征值的升高或降低对特定预测结果带来的正面或负面影响。

基于上述理论，研究人员首先构建了一个系统一维热力学仿真模型，通过实测数据对模型关键参数进行了细致校准。通过调整关键系统参数，该模型能够模拟出多种典型燃烧室故障状态，从而在一定程度上解决了实际运行中故障样本稀缺的难题。这种将物理规律、工程经验与仿真算法相结合的做法，为后续的数据驱动诊断模型提供了坚实且具备清晰物理解释的底层数据集。

在获得仿真输出的众多热力学参数后，如何从中筛选出最关键的诊断指标是提升模型效率和准确性的关键。TSRF方法引入了Tree SHAP算法对14个初选热力学参数进行定量化的重要性评估。相比于传统的卡方检验、递归特征消除（RFE）或随机森林自带的Gini指数，SHAP分析不仅能计算出每个特征的平均贡献度，还能揭示参数之间的非线性相互作用。经过严格的SHAP价值贡献度筛选，锁定了包括排气温度、壁面热流量、漏气质量流量在内的8个核心参数作为诊断输入，有效降低了系统的监测成本与计算冗余。

在算法模型的测试与验证阶段，研究人员将基于SHAP特征筛选后的优化子集输入到随机森林分类器中。测试结果表明，经过参数优化后，随机森林模型达到了较高的分类准确率。这表明，通过剔除无关或冗余特征，模型的鲁棒性和泛化能力得到了合理的增强，同时证明了SHAP参数选择方法的实用价值。

最重要的是，TSRF通过SHAP的双视角解读实现了分类决策的相对透明化。在单样本局部解释中，瀑布图能够清晰展示在特定时刻各个参数的边际贡献，帮助技术人员溯源具体的异常成因；而在全局解释中，蜂群图、交互图和依赖图则揭示了特征值与预测目标之间的内在趋势与多变量耦合效应。通过这种结合热力学物理机理与数据分析的方法，技术人员不仅能够获知系统判定的故障类型，还能理解该判定背后的物理逻辑。未来，这种融合物理模型与可解释性数据驱动的诊断范式，将为更多复杂动力系统的智能化运维提供可行的参考路径。

参考文献：

Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines. Measurement, 2025, 251, 117252.