典型文献
基于尺度特征融合的随机森林日供水量预测模型
文献摘要：
针对日供水量时间序列的非平稳性和耦合特征的复杂性,引入小波分解技术和随机森林回归模型,构建了基于尺度特征融合的随机森林模型(SF-RF).首先,使用离散小波变换将单一尺度的原始时间序列分解为低、高频尺度的特征序列,提取耦合特征的多尺度信息;然后,使用随机森林回归模型拟合不同尺度特征;最后,线性融合各尺度的拟合结果获得总预测值.其中频率最高的尺度特征不参与预测.与单一RF模型、前馈神经网络(FFNN)和融合模型SF-FFNN相比,SF-RF模型具有最高的相关系数0.913和最低的标准均方差0.056,具有最高的预测精度,可用于城市日供水量预测.
文献关键词：
日供水量;小波变换;随机森林;预测模型;尺度特征
中图分类号：
作者姓名：
白云;陈国强
作者机构：
重庆工商大学 管理科学与工程学院,重庆 400067;重庆市北碚区住房和城乡建设委员会,重庆 400700
文献出处：
引用格式：
[1]白云;陈国强-.基于尺度特征融合的随机森林日供水量预测模型)[J].长江科学院院报,2022(03):33-37
A类：
FFNN
B类：
尺度特征,特征融合,日供水量,供水量预测,非平稳性,耦合特征,小波分解技术,随机森林回归模型,随机森林模型,SF,RF,离散小波变换,一尺,时间序列分解,特征序列,多尺度信息,模型拟合,不同尺度,线性融合,中频,前馈神经网络,融合模型
AB值：
0.266866
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。
