10.16232/j.cnki.1001-4179.2019.07.013
基于多组群教学优化的随机森林预测模型及应用
为有效提高水文预测预报精度,提出了一种基于多组群教学优化(MGTLO)的随机森林(RF)预测方法,利用MGTLO算法对RF两个关键参数进行优化,构建MGTLO-RF预测模型,并与基于MGTLO算法优化的支持向量机(SVM)、BP神经网络两种常规预测模型作对比分析.以云南省龙潭站月径流和年径流预测为例进行实例研究,利用前44 a和后10 a资料对MGTLO-RF等3种模型进行训练和预测.结果表明:所提出的MGTLO-RF模型具有更好的预测精度和泛化能力,可作为水文预测预报和相关预测研究的一种有效工具.
径流预测、多组群教学优化算法、随机森林、参数优化
50
P33(水文科学(水界物理学))
云南省应用基础研究重点基金项目2017FA022;院士工作站建设专项2015IC013;云南省创新团队建设专项YKRF2017-07-26
2019-08-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
83-86,91