基于XGBoost算法的多元水文时间序列趋势相似性挖掘

摘要：

针对传统的利用神经网络等工具进行水文趋势预测得出结果不具备解释性等不足,文中提出一种基于机器学习算法的水文趋势预测方法,该方法旨在利用XGBOOST机器学习算法建立参照期与水文预见期之间各水文特征的相似度映射模型,从而在历史水文时间序列中匹配出与预见期水文趋势最相似的序列,从而达到水文趋势预测的目的.为了证明所提方法的高效性和可行性,以太湖水文时间序列数据为对象进行了验证.分析结果表明,基于机器学习的多元水文时间序列趋势相似性分析可以满足调度人员对未来水文趋势预测效果的要求.

关键词：机器学习、多元时间序列、水文趋势预测、时间序列数据挖掘、相似性度量

所属期刊栏目：47

分类号：TV121;P333(水利工程基础科学)

资助基金：青年人才托举工程;中国水利水电科学研究院基本科研业务费专项

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：459-463