您当前的位置：
首页 >
文章列表页 >
基于机器学习和SHAP算法的我国粮食安全水平测度重构及可解释性分析
更新时间：2026-05-07
上一篇|下一篇

    • 基于机器学习和SHAP算法的我国粮食安全水平测度重构及可解释性分析

    • Reconstruction and interpretability analysis of China’s food security level based on machine learning and SHAP algorithm

    • 王火根 ，胡梦婷 ，刘小春
    • 中国农业大学学报 2025年30卷第7期 页码：264-274

    • DOI： 10.11841/j.issn.1007-4333.2025.07.22     

      中图分类号：

    移动端阅览

  •  
  •  

  • HTML全文

  • 图( 2 ) 表( 5 )

  • 参考文献

  • 出版信息

  • 数据统计

论文导航
icon
试读结束，您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束，您可以通过登录账户，到个人中心，购买VIP会员阅读全文。
已是VIP会员？
去登录 >

166

浏览量

23

下载量

8

CSCD

文章被引用时，请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于机器学习与多维度气象特征的湖北省稻瘟病预测研究
顾及遗传背景差异的玉米叶面积指数多生育期遥感反演
大食物观下中国食物安全的综合评价：基于熵权TOPSIS模型
基于XGBoost与地理加权回归的吉林省西部土壤盐渍化反演
我国农户粮食储备问题研究

相关作者

曹春霞
刘洪
金若珩
袁勤峰
王蓓蓓
黄大野
蔡艳蓉
丁晓颖

相关机构

贵州财经大学 绿色发展与乡村振兴研究中心
中南财经政法大学 工商管理学院
湖北省生物农药工程研究中心
国家农业信息化工程技术研究中心
北京市农林科学院 信息技术研究中心