随机森林算法在西江洪水预报中的应用研究
Pearl River(2023)
摘要
以西江迁江站、柳州站和武宣站 1952-2005 年实测洪水数据为基础,通过分析上下游站点洪水流量的相关关系选取洪水预报特征因子,采用随机森林算法建立了武宣站洪水预报模型.结果表明:模型率定期预测的武宣站12~48h洪水过程确定性系数大于0.98、合格率大于98%,验证期预测的12~24h洪水过程确定性系数大于0.72、合格率大于82%,预报精度较高,预报结果不确定性较小,可为洪水预报提供方法参考.
更多关键词
flood forecasting,random forest algorithm,correlation analysis,data mining,forecast characteristic factors
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要