基于随机漂移粒子群优化的随机森林预测模型及水文应用实例

• 作者: 崔东文 郭荣
• 来源期刊: 三峡大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 径流预测 随机漂移粒子群算法 随机森林 参数优化
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 水利工程
• 页码范围: 6-10
• 页数: 5页
• 分类号: P338
• 字数: 3341字
• 语种: 中文
• DOI: 10.13393/j.cnki.issn.1672-948X.2019.02.002

摘要

提出一种基于随机漂移粒子群(RDPSO)算法优化的随机森林(RF)预测方法,利用RDPSO算法优化RF决策树数量和分裂属性个数两个关键参数,构建RDPSO-RF预测模型,并与基于RDPSO算法优化的支持向量机(SVM)、BP神经网络预测模型作对比,以某水文站枯水期1～3月月径流预测为例,利用实例前43年和后10年资料对3种模型进行训练和预测.结果表明,RDPSO-RF模型对实例1～3月月径流训练、预测的平均相对误差绝对值分别为4.28％、3.88％、5.67％和3.74％、4.57％、4.88％,训练、预测精度均优于RDPSO-SVM、RDPSO-BP模型,具较好的预测精度和泛化能力,可为相关预测研究提供参考和借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔东文		90	901	17.0	26.0
2	郭荣		7	25	3.0	5.0