排序方式: 共有19条查询结果,搜索用时 15 毫秒
11.
基于随机森林的区域水资源可持续利用评价 总被引:1,自引:0,他引:1
针对区域水资源可持续利用评价中指标多、噪声复杂和非线性的特点以及传统方法缺乏可操作性、难以解决稳健性低和过学习等问题,介绍了一种稳健性较高的智能学习方法——随机森林,将其应用于区域水资源可持续利用评价中,并以汉中盆地平坝区为例,对该方法的评价效果进行了验证。结果表明,与SP插值、人工神经网络(ANN)和支持向量机(SVM)模型评价结果相比,本文方法实用性强、稳健性较高、泛化性能高,在分类预测阶段和交叉验证阶段分类准确率均高达100%;同时可知,在影响区域水资源可持续利用的各评价指标中,水资源利用率和人均供水量的影响较为重要。 相似文献
12.
13.
基于Lee-Heghinian法、有序聚类检验等5种突变检验方法和线性趋势相关系数法、Spearman秩次相关检验和Kendall秩次相关检验3种趋势检验方法对黄浦江上游米市渡站47年(1969~2015年)年最低潮位序列进行变异诊断,运用水文序列分解合成方法对序列进行去趋势处理,在混合分布思想的基础上利用模拟退火法对处理后新序列进行频率分析,并对比修正前后序列不同重现期潮位设计值。结果表明,米市渡站年最低潮位不仅有显著的抬升趋势,还在1999年发生突变。相比于不考虑变异情况的潮位设计值,考虑变异情况的混合分布频率曲线和经验点据的拟合更优,且相同频率下的潮位设计值均小于前者,从而为黄浦江沿岸水利工程设计和运行管理提供了参考。 相似文献
14.
在气候变化和人类活动影响下,下垫面情况和水文情势发生变化,用于水文频率分析的水文序列越来越不满足一致性。为了更准确地利用历史水文资料,以长江口芦潮港站1977~2016年潮位序列为例,用10种变异诊断方法进行诊断,将同时存在趋势和跳跃的水文序列进行一致性修正,即先用最小二乘法提取跳跃点前后两个子序列的趋势成分,然后将去趋势后的序列进行基于跳跃的非一致性修正,并将修正前后的潮位序列进行频率计算、对比分析。结果表明,不同重现期下修正后的潮位值相比原始的潮位值均有不同程度的减小,修正后的潮位值更符合当前的水文情势。 相似文献
15.
16.
17.
随机森林是21世纪提出的基于分类树的算法,在处理大数据集中具有明显优势,首度将其应用在降水长期预报中。以长江中下游地区1月份降水预报为例,运用随机森林模型构建原则,在74项大气环流因子以及前期月降水中筛选模型预报因子,进行长期降水量预报,并将其与神经网络模型预报效果进行对比,发现随机森林的泛化误差为13%,预报准确率达到75%,而神经网络的预报准确率仅为67%。此外,本研究还对长江中下游地区的汛期降水量进行了长期预报,结果表明,随机森林模型进行降水量长期预报中模拟和预报的效果令人满意,值得进一步研究和应用。 相似文献
18.
19.