典型文献
调水调沙期小浪底水库出库泥沙组分估算研究
文献摘要：
为实现小浪底水库出库泥沙组分的准确估算,基于2002—2019年调水调沙期水沙系列数据,分别采用XGBoost、KNN、GPR三种机器学习算法建立综合考虑各影响因素的出库泥沙各组分估算模型.实例分析结果表明,应用机器学习算法进行出库泥沙组分估算是有效的,各模型估算值与实际值之间相关性良好;针对不同出库泥沙组分,KNN算法建立的估算模型的评估指标决定系数最大、平均绝对误差和均方根误差最小,表明KNN算法模型在出库泥沙组分估算方面具有更高的准确性和精度.
文献关键词：
调水调沙;泥沙组分;机器学习;估算模型;小浪底水库
中图分类号：
作者姓名：
孙龙飞;郭秀吉;王婷;颜小飞;王子路;王远见
作者机构：
黄河水利委员会 黄河水利科学研究院,河南 郑州450003;水利部黄河下游河道与河口治理重点实验室,河南 郑州450003
文献出处：
引用格式：
[1]孙龙飞;郭秀吉;王婷;颜小飞;王子路;王远见-.调水调沙期小浪底水库出库泥沙组分估算研究)[J].人民黄河,2022(08):47-51
A类：
B类：
调水调沙,小浪底水库,出库,泥沙组分,水沙,XGBoost,KNN,GPR,机器学习算法,估算模型,算是,同出,决定系数,平均绝对误差,算法模型
AB值：
0.208677
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。
