基于随机森林的中长期降水量预测模型研究

被引：37

作者：

甄亿位 ^{[1
]}

郝敏 ^{[2
]}

陆宝宏 ^{[1
,3
]}

左建 ^{[1
]}

刘欢 ^{[1
]}

机构：

[1] 河海大学水文水资源学院

[2] 北京市水利规划设计研究院

[3] 河海大学水文水资源与水利工程科学国家重点实验室

来源：

水电能源科学 | 2015年 / 33卷 / 06期

关键词：

降水预测; 随机森林; 神经网络; 支持向量机;

D O I：

暂无

中图分类号：

P338 [水文预报];

学科分类号：

081501 ;

摘要：

为解决降水预测中存在的非线性问题,避免传统人工智能方法的过拟合弊端,提高中长期降水预测精度,引入了随机森林算法,通过优选预报因子,分别构建了年、月降水预测模型,并应用南京市1951～2013年降水系列及水文气象因子系列,验证所建模型的适用性。结果表明,随机森林模型预测精度较高、稳定性好、泛化能力强,能有效预测年、月降水量;与BP神经网络模型和支持向量机模型相比,随机森林模型效率更高、性能更优,尤其适用于大样本的逐月降水量预测中。

引用

页码：6 / 10

页数：5

共 12 条

[1] 基于随机森林的区域水资源可持续利用评价 [J].