基于随机森林和RBF神经网络的长期径流预报

被引：15

作者：

赵文秀 ^{[1
]}

张晓丽 ^{[2
]}

李国会 ^{[3
]}

机构：

[1] 翁牛特旗水利局

[2] 黄河水利科学研究院

[3] 中国电建集团中南勘测设计研究院有限公司

来源：

人民黄河 | 2015年 / 37卷 / 02期

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;

D O I：

暂无

中图分类号：

P338.2 [];

学科分类号：

081501 ;

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。

引用

页码：10 / 12

页数：3

共 5 条

[1] 基于随机森林的区域水资源可持续利用评价 [J].