高斯过程机器学习方法在地下水位预测中的应用

• 作者: 张小飞 张研 苏国韶
• 来源期刊: 中国农村水利水电
• 学科: 工学
• 关键词: 地下水位 高斯过程 机器学习
• 年，卷（期）: 2008,（12）
• 所属期刊栏目: 水文水资源
• 页码范围: 48-50,54
• 页数: 4页
• 分类号: TD712
• 字数: 3155字
• 语种: 中文

摘要

高斯过程是近年来发展起来的一种新的机器学习方法,它有着严格的统计学习理论基础,对处理高维数非线性小样本复杂问题具有良好的适应性.针对地下水位的动态变化是一个复杂的非线性过程,地下水位与其影响因素之间存在着复杂的非线性关系,将高斯过程机器学习方法应用于地下水位预测,并提出相应的模型.工程实例研究表明,地下水位预测的高斯过程机器学习模型是科学可行的,预测精度高,简单实用,对地下水位预测的问题具有较好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张研	广西大学土木建筑工程学院	14	111	7.0	10.0
2	苏国韶	广西大学土木建筑工程学院	86	1041	18.0	29.0
3	张小飞	广西大学土木建筑工程学院	26	234	8.0	15.0