遺伝子組み換えおよび非遺伝子組み換え綿実油の正確な分類識別を実現するために、本研究では改良型ブラックカイトアルゴリズムを用いて極端勾配ブースティング（XGBoost）モデルを最適化した説明可能な分類モデルを提案した。まず、テラヘルツ時間領域分光（THz-TDS）システムを用いて、遺伝子組み換えおよび非遺伝子組み換えの綿実油サンプルの0.3～1.8 THzの周波数帯域におけるテラヘルツ吸収スペクトルを取得した。次に、二目的適応度関数最適化戦略、逆学習による初期集団戦略、およびレイリー分布関数で制御されるレビ飛行戦略を導入し、従来のブラックカイトアルゴリズム（BKA）を改良し、改良型ブラックカイトアルゴリズム（DLBKA）を用いてXGBoostモデルの木の深さ、学習率、最大反復回数の二目的ハイパーパラメータ最適化を行い、DLBKA-XGBoost分類モデルを構築した。最後に、本モデルを用いて遺伝子組み換え綿実油の識別を行い、SHAP手法を組み合わせてモデルの識別結果の説明可能性解析を実施した。結果から、改良型ブラックカイトアルゴリズム最適化XGBoost説明可能分類モデルは、遺伝子組み換えおよび非遺伝子組み換え綿実油の識別精度を向上させただけでなく（テストセットの精度は97.78％に達し、従来のブラックカイトアルゴリズム最適化モデルより4.45％、従来のクジラ最適化アルゴリズム（WOA）モデルより14.45％向上）、モデルの説明を提供し、重要な特徴周波数が識別結果に与える正の影響メカニズムを明確にし、モデルの透明性と信頼性を高めた。したがって、本研究は遺伝子組み換え綿実油の識別に迅速かつ正確な分析手法を提供し、他の遺伝子組み換え物質の識別にも貴重な参考となる。

テラヘルツ分光; 遺伝子組み換え綿実油; 極端勾配ブースティング; 改良型ブラックカイトアルゴリズム; 説明可能性解析