基于随机森林的水质监测指标预测

• 作者: 李旭杰 史灵 花思洋 孙颖 黄凤辰
• 来源期刊: 江苏水利
• 学科: 地球科学
• 关键词: Pearson相关系数 多元线性回归算法 随机森林模型 秦淮新河
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 水生态与环境
• 页码范围: 6-10
• 页数: 5页
• 分类号: X522
• 语种: 中文

摘要

通过采集2020年6月至2021年6月南京市秦淮新河代表站的DO、WT、pH、COD、NH3-N、TUR 6类水质监测指标数据,利用Pearson相关系数对监测指标间的相关程度进行分析,从而得到各监测指标间的相关系数,进一步通过多元线性回归算法得到高度相关的参数指标间的统计关系,利用回归方程的形式表示监测变量间的因果关系,最后通过随机森林算法利用水质监测中的自变量指标实现对因变量指标的预测,达到减少监测项目从而降低监测成本的目的.研究结果表明因变量水质监测指标的预测值和实际值几乎重合,有效说明随机森林模型能够实现因变量水质监测指标的准确预测.