典型文献
基于混合集成学习算法的香港林村河水质指标预测
文献摘要：
水质指数(WQI)是评价地表水水质最常用的指标.传统的WQI计算费时,且在派生子指数时常常产生错误.对此,使用4种独立算法(随机森林(RF)、额外树回归(ETR)、梯度提升回归(GBR)、XGBoost)和5种新的混合集成算法(Adaboost+RF、Adaboost+ETR、Adaboost+GBR、Adaboost+XGBoost及 Stacking 混合模型)来预测香港林村河的WQI值.收集香港大埔区下游TR-12监测站1987～2019年的数据,利用Pearson相关系数构建11个不同的输入参数组合,将数据按7∶3分为训练数据集、测试数据集两组,使用5种统计和视觉评价指标评价模型.结果表明,生化需氧量(BOD)和化学需氧量(COD)对WQI值的预测影响最大,Stacking混合模型的性能最优.
文献关键词：
林村河;水质指数;集成机器学习;预测
中图分类号：
作者姓名：
谷志新;郭宇
作者机构：
东北林业大学信息与计算机工程学院,黑龙江哈尔滨150038
文献出处：
引用格式：
[1]谷志新;郭宇-.基于混合集成学习算法的香港林村河水质指标预测)[J].水电能源科学,2022(05):46-49
A类：
林村河,Adaboost+RF,Adaboost+ETR,Adaboost+GBR,Adaboost+XGBoost
B类：
混合集成,集成学习算法,河水,水质指标,指标预测,水质指数,WQI,地表水水质,费时,派生,生子,梯度提升,升回,集成算法,Stacking,混合模型,大埔,监测站,输入参数,数组,训练数据集,测试数据,视觉评价,指标评价模型,生化需氧量,BOD,化学需氧量,COD,集成机器学习
AB值：
0.350157
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。
