针对学生成绩预测精度不足和可解释性不强等问题，提出一种基于SSA-XGBoost-tSNE的成绩预测模型。该模型采用三级递进式优化架构：首先利用集成随机森林填补数据缺失值，经t-SNE降维构建高质量特征空间；其次运用麻雀搜索算法优化XGBoost模型参数；最后借助SHAP值解析特征贡献度。采用公开数据集进行实验，结果表明，该模型适用于学生成绩预测分析，能为教育决策和教学策略制定提供重要参考。相比传统方法，RMSE、MAE和MAPE均为最低，表明该模型预测性能优于其他模型。