典型文献
基于机器学习方法的葛洲坝水电站下游水位预测研究
文献摘要：
为准确预测葛洲坝水电站下游水位,以人工神经网络、随机森林和支持向量机3种机器学习方法为基础,以2018～2020年葛洲坝水电站历史数据为样本集,建立葛洲坝水电站下游水位单点预测模型,并利用k折交叉验证对3种方法的预测精度进行评价.结果表明:3种方法在测试集上均具有良好表现;其中支持向量机预测模型表现最优,均方误差MSE平均值为0.0071,决定系数R2平均值为0.98,预测精度可满足生产需求.研究成果对葛洲坝水电站后期调度方案编制具有指导意义.
文献关键词：
水位预测;人工神经网络;随机森林;支持向量机;葛洲坝水电站
中图分类号：
作者姓名：
刘晓阳;郭乐
作者机构：
三峡水利枢纽梯级调度通信中心,湖北宜昌443002;智慧长江与水电科学湖北省重点实验室,湖北宜昌443002
文献出处：
引用格式：
[1]刘晓阳;郭乐-.基于机器学习方法的葛洲坝水电站下游水位预测研究)[J].水利水电快报,2022(10):19-22,36
A类：
B类：
基于机器学习,机器学习方法,葛洲坝水电站,站下,游水,水位预测,预测研究,准确预测,人工神经网络,历史数据,样本集,单点,点预测,交叉验证,测试集,中支,均方误差,MSE,决定系数,调度方案,方案编制
AB值：
0.238705
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。
