基于随机森林的区域水资源可持续利用评价

被引：33

作者：

康有 ^{[1
]}

陈元芳 ^{[1
]}

顾圣华 ^{[2
]}

姚欣明 ^{[1
]}

黄琴 ^{[1
]}

汤艳平 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 上海市水文总站

来源：

水电能源科学 | 2014年 / 32卷 / 03期

关键词：

水资源; 可持续利用; 评价; 随机森林;

D O I：

暂无

中图分类号：

TV213.4 [水利资源的管理、保护与改造];

学科分类号：

摘要：

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。

引用

页码：34 / 38

页数：5

共 11 条

[1] 基于随机森林模型的长江上游枯水期径流预报研究
赵铜铁钢
杨大文
蔡喜明
曹勇
[J]. 水力发电学报, 2012, 31 (03) : 18 - 24+38
[2] 随机森林方法研究综述
方匡南
吴见彬
朱建平
谢邦昌
[J]. 统计与信息论坛, 2011, 26 (03) : 32 - 38
[3] 基于支持向量机的水资源可持续利用评价
卢敏
张展羽
[J]. 水电能源科学, 2005, (05) : 18 - 21+4
[4] 区域水资源可持续利用评价的人工神经网络模型
宋松柏
蔡焕杰
[J]. 农业工程学报, 2004, (06) : 89 - 92
[5] 区域水资源可持续利用系统评价的插值模型
金菊良
丁晶
魏一鸣
付强
[J]. 自然资源学报, 2002, (05) : 610 - 615
[6] 区域水资源可持续利用评价理论模型与方法
陈守煜
[J]. 中国工程科学, 2001, (02) : 33 - 38
[7] 水资源持续利用与管理导论[M]. 科学出版社 , 冯尚友著, 2000
[8] Uncertainty assessment and ensemble flood forecasting using bootstrap based artificial neural networks （BANNs）[J] . Mukesh Kumar Tiwari,Chandranath Chatterjee.Journal of Hydrology . 2009 (1)
[9] Random forests as a tool for ecohydrological distribution modelling[J] . Jan Peters,Bernard De Baets,Niko E.C. Verhoest,Roeland Samson,Sven Degroeve,Piet De Becker,Willy Huybrechts.Ecological Modelling . 2007 (2)
[10] Random Forests for land cover classification[J] . Pall Oskar Gislason,Jon Atli Benediktsson,Johannes R. Sveinsson.Pattern Recognition Letters . 2005 (4)

← 1 2 →