信頼性の高い横方向の拡散予測のためのドメイン情報を取り入れた説明可能ブースティングマシン

要旨: Explainable Boosting Machines（EBMs）は、加法的形状関数を介して透明な予測を提供し、特徴量の寄与を直接検査できるようにします。しかし、EBMsは自然災害の適用において信頼性を低下させる非物理的関係を学習することがあります。本研究は、横方向の拡がり予測のためのEBMsの物理的一貫性を改善する、ドメイン情報に基づくフレームワークを提示します。私たちのアプローチは、ドメイン知識に基づいて学習済みの形状関数を修正します。これらの修正は、データ駆動のパターンを維持しつつ、非物理的な挙動を修正します。この手法を2011年のクライストチャーチ地震データセットに適用し、元のEBMで観測された非物理的な傾向を是正します。その結果のモデルは、全体的および局所的な説明をより物理的に整合させ、精度の妥協は受け入れ可能な範囲です（4〜5％）。