基于集成学习的海勃湾水库出库泥沙预测研究

针对水库排沙影响因素众多、非线性关系复杂、难以精准预测等问题,以海勃湾水库为研究对象,采用2014～2020年进出库水沙系列数据,构建了基于集成树框架的RF、XGBoost出库含沙量预测模型,并与传统KNN、DT算法进行了拟合性能对比。结果表明,入库流量Q_in、入库含沙量S_in、进出库水位差ΔZ、坝前水位差ΔH是影响海勃湾水库排沙的主要因素;不同机器学习算法应用于水库排沙预测均是有效的,相比于KNN、DT算法,集成树模型拥有更好的拟合性能;基于Boosting算法的XGBoost模型各项预测指标最佳,在应对样本随机性和非一致性方面展现出良好的拟合稳定性及泛化能力。