基于随机森林的区域水资源可持续利用评价

针对区域水资源可持续利用评价中指标多、噪声复杂和非线性的特点以及传统方法缺乏可操作性、难以解决稳健性低和过学习等问题,介绍了一种稳健性较高的智能学习方法——随机森林,将其应用于区域水资源可持续利用评价中,并以汉中盆地平坝区为例,对该方法的评价效果进行了验证。结果表明,与SP插值、人工神经网络(ANN)和支持向量机(SVM)模型评价结果相比,本文方法实用性强、稳健性较高、泛化性能高,在分类预测阶段和交叉验证阶段分类准确率均高达100%;同时可知,在影响区域水资源可持续利用的各评价指标中,水资源利用率和人均供水量的影响较为重要。