基于随机森林模型的需水预测模型及其应用

摘要：

为解决需水预测模型精度问题,尝试基于随机森林模型的分类和回归功能构建需水预测模型.以苏州市需水量预测为研究实例,首先应用随机森林模型的分类功能将需水预测因子分类,经计算发现第一产业比例、人口、灌溉面积、万元产值用水量和国民经济生产总值为最重要的解释变量.在此基础上,用随机森林模型的回归功能对需水进行预测,同时采用相同的训练数据建立基于BP神经网络和RBF神经网络的需水预测模型,通过对比3个模型的预测结果,发现随机森林模型能有效预测需水量,且精度较高.

关键词：需水预测、随机森林模型、神经网络模型、解释变量、OOB交叉验证

所属期刊栏目：30

分类号：P333.9(水文科学（水界物理学）)

资助基金：国家自然科学基金NSFC-50979023;水利部公益性行业科研专项201201026

在线出版日期：2014-05-07（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：34-37,89