典型文献
机器学习模型在地下水埋深模拟中的适应性分析
文献摘要：
基于京津冀气象、社会资料及地下水埋深数据,构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟,并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价.结果表明:LSTM模型模拟效果最好,其次是RNN,SVM最差;不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少,适应性最好,SVM模型参数调整最多.将3个模型应用于随机选择的6个测站进行验证,在华北地区浅层地下水埋深模拟方面,LSTM模型模拟精度和可信度最好,适应性最强,是该地区地下水埋深模拟的首选机器学习模型.
文献关键词：
机器学习;地下水埋深;支持向量机;长短期记忆神经网络;循环神经网络;京津冀
中图分类号：
作者姓名：
牛欣怡;鲁程鹏;卢佳赟;吴成城;刘波;束龙仓
作者机构：
河海大学水文水资源学院,江苏 南京 210098
文献出处：
引用格式：
[1]牛欣怡;鲁程鹏;卢佳赟;吴成城;刘波;束龙仓-.机器学习模型在地下水埋深模拟中的适应性分析)[J].河海大学学报（自然科学版）,2022(04):74-82
A类：
B类：
机器学习模型,地下水埋深,适应性分析,循环神经网络,RNN,长短期记忆神经网络,京津冀地区,城市地下水,平均绝对百分比误差,纳什系数,模型模拟,同城,参数调整,模型应用,随机选择,测站,华北地区,浅层地下水,模拟精度,可信度,选机
AB值：
0.212554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
