两类集成学习算法在中长期径流预报中的应用

• 作者: 杨凤根 许斌 郦于杰
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 中长期径流预报 机器学习 集成学习 分类回归树 随机森林 梯度提升树
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 水文水资源
• 页码范围: 21-24,34
• 页数: 5页
• 分类号: TV121.4
• 字数: 3876字
• 语种: 中文

摘要

将前期130项遥相关气候指数作为预报因子,利用分类回归树算法(CART)作为基学习器,引入基于Bagging算法的随机森林模型(RF)与基于Boosting算法的梯度提升树模型(GBDT)的两类集成学习算法作为强学习预报模型,实现对丹江口水库未来1个月、1季度及1年3类径流序列的滚动预报,并通过相对误差绝对值的平均值(MAPE)、Nash效率系数(NSE)、相对均方根误差(RRMSE)、合格率(QR)等指标进行对比分析.研究结果表明,两类模型在验证期模拟精度相似,结果相仿,误差分布较均匀,可进一步用于集合径流预报;随着预报对象量级的增加,径流序列的不稳定性与极值序列分布的不均匀性得以降低,预报的准确度、可靠度以及稳定度得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨凤根	河海大学地球科学与工程学院	19	84	6.0	8.0
2	许斌	河海大学地球科学与工程学院	10	66	4.0	8.0
3	郦于杰	河海大学水文水资源学院	4	5	1.0	2.0