基于随机森林分类算法的巢湖水质评价

• 作者: 张颖 高倩倩
• 来源期刊: 环境工程学报
• 学科: 工学
• 关键词: 随机森林算法 决策树 分裂属性集 水质评价
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 环境监测技术
• 页码范围: 992-998
• 分类号: TV213.4
• 语种: 中文

摘要

基于监测数据及机器学习算法的湖泊水质实时评价技术对当前湖泊水资源的管理、维护和保护具有重要意义.本文针对巢湖水质的类别评价,利用随机森林(Random Forest,RF)分类算法对该区域水质进行类别判定.与其他算法相比,随机森林算法有着精度高、可容忍噪声强等诸多优点.测试结果表明,当决策树的棵数ntree=300,分裂属性集中属性个数mtry=2时,在合肥湖滨监测断面水质分类准确率可达96.15％,在巢湖裕溪口监测断面水质分类准确率高达100％,该方法具有稳健性较高、实用性强、泛化性能好等特点,能够有效进行水质评价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张颖	上海海事大学信息工程学院	44	295	11.0	16.0
2	高倩倩	上海海事大学信息工程学院	5	88	3.0	5.0