典型文献
基于随机森林遥相关因子选择的月径流预报
文献摘要：
流域径流过程与大尺度气候因子之间存在遥相关关系,如何从众多的水文、气象、大气环流及洋流等因子中找出与径流密切关联的因子,是中长期径流预报的一个难题.将基于贝叶斯优化的随机森林模型应用于对水文、气象、气候因子构成的高维度因子集进行因子选择,根据变量重要性评分挑选对月径流影响较大的预报因子,构建广义回归神经网络、极限学习机、支持向量回归径流预报模型.将该方法应用到金沙江流域,相较于线性相关法,基于随机森林输入因子选择的方法提高了模型泛化性能;遥相关因子的引入既实现了流域月径流高精度预报,又从物理机制上提供了支撑.
文献关键词：
月径流预报;随机森林;贝叶斯优化;遥相关;金沙江
中图分类号：
作者姓名：
熊怡;周建中;贾本军;胡国华
作者机构：
华中科技大学 土木与水利工程学院,武汉 430074;长沙理工大学 水利工程学院,长沙 410114
文献出处：
引用格式：
[1]熊怡;周建中;贾本军;胡国华-.基于随机森林遥相关因子选择的月径流预报)[J].水力发电学报,2022(03):32-45
A类：
B类：
遥相关因子,月径流预报,径流过程,大尺度气候因子,从众,大气环流,洋流,中长期径流预报,贝叶斯优化,随机森林模型,模型应用,高维度,子集,变量重要性,重要性评分,选对,预报因子,广义回归神经网络,极限学习机,支持向量回归,预报模型,金沙江流域,线性相关,模型泛化性,泛化性能,从物,物理机制
AB值：
0.292219
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。
