基于随机森林和RBF神经网络的长期径流预报

摘要：

基于我国南方某河流1965—1999年每年7月的实测流量资料，首先采用随机森林模型筛选预报因子，之后利用筛选的预报因子作为RBF神经网络的输入层，利用RBF神经网络对2000—2008年每年7月的流量进行了“滚动式”预报，并与实测结果进行了对比。结果表明：随机森林模型能有效地筛选影响因子，利用这些因子采用RBF神经网络进行径流预报的相对误差均在10％以内，拟合效果很好；“滚动式”长期径流预报结果相对误差的绝对值均在20％以内。

关键词：随机森林模型、RBF神经网络、滚动式预报、长期预报、径流预报

分类号：P338(水文科学（水界物理学）)

资助基金：国家自然科学基金资助项目51409112；水利部公益性行业科研专项201301062。

在线出版日期：2015-03-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：10-12