首页|基于PSO-WRF的渭河中下游年径流预测模型

基于PSO-WRF的渭河中下游年径流预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统随机森林(RF)模型决策树因投票权重相同而导致预测精度不高的问题,采用加权随机森林(WRF)模型全面考虑各决策树分类能力的差异性,建立决策树加权投票机制;同时运用粒子群算法(PSO)进行参数全局寻优,避免依据经验选取参数的不科学性,通过二者耦合最终构建PSO-WRF模型.利用渭河中下游咸阳站与华县站1960-2009年的径流系列对RF、WRF、PSO-WRF三种模型进行训练及测试,结果表明,PSO-WRF在咸阳站与华县站的平均相对误差绝对值(MRE)分别为7.05％和9.41％,且均方根误差(RMSE)、平均绝对误差(MAE)等指标均降至优化前的30％ ～50％,各年预测误差最低可降低至优化前的1/3～1/6.PSO-WRF模型优化效果显著,表现出良好的预测精度和泛化能力,能够为相关径流预测研究提供一定参考.
Prediction model of annual runoff in the middle and lower reaches of Wei River based on PSO-WRF

郑恺原、向小华、吴晓玲

展开 >

河海大学水文水资源学院,江苏南京210098

粒子群算法 随机森林 加权投票 径流预测

国家重点研发计划国家级大学生创新训练项目

2016YFA0601000201910294006Z

2020

10.13928/j.cnki.wrahe.2020.08.005

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(8)
  • 2
  • 11