典型文献
基于随机森林的水质监测指标预测
文献摘要：
通过采集2020年6月至2021年6月南京市秦淮新河代表站的DO、WT、pH、COD、NH3-N、TUR 6类水质监测指标数据,利用Pearson相关系数对监测指标间的相关程度进行分析,从而得到各监测指标间的相关系数,进一步通过多元线性回归算法得到高度相关的参数指标间的统计关系,利用回归方程的形式表示监测变量间的因果关系,最后通过随机森林算法利用水质监测中的自变量指标实现对因变量指标的预测,达到减少监测项目从而降低监测成本的目的.研究结果表明因变量水质监测指标的预测值和实际值几乎重合,有效说明随机森林模型能够实现因变量水质监测指标的准确预测.
文献关键词：
Pearson相关系数;多元线性回归算法;随机森林模型;秦淮新河
中图分类号：
作者姓名：
李旭杰;史灵;花思洋;孙颖;黄凤辰
作者机构：
河海大学海洋与近海工程研究院,江苏南通 226300;河海大学计算机与信息学院,江苏南京 210098;钛能科技股份有限公司,江苏南京 211806;江苏开放大学信息工程学院,江苏南京 210017
文献出处：
引用格式：
[1]李旭杰;史灵;花思洋;孙颖;黄凤辰-.基于随机森林的水质监测指标预测)[J].江苏水利,2022(05):6-10
A类：
B类：
水质监测,监测指标,指标预测,秦淮新河,代表站,DO,WT,COD,NH3,TUR,多元线性回归算法,参数指标,因果关系,随机森林算法,法利,因变量,监测项目,随机森林模型,现因,准确预测
AB值：
0.274607
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。
