基于随机森林算法的恩施市用水量预测

以恩施市2000年～2010年用水量相关资料为基础,构建基于随机森林算法的预测模型,对2011年～2015年用水量进行预测验证。结果表明,模型输出值与实际值相吻合,训练误差与预测误差分别为0.67%、0.94%,该算法模型有效。对比可知,随机森林模型的平均绝对误差小于SVM (0.78%、1.15%)、R BF(0.89%、1.58)等模型,基于随机森林的用水预测模型效果更优。另外,随机森林无偏识别预测因子的重要性,有利于进行特征选择进而增益模型精度。     

基于随机森林的水质监测指标预测

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...     

基于随机森林算法的水华预警模型

针对湖泊水华预警模型中的数据具有噪声较复杂和非线性的特点,而传统预警方法难以解决稳健性差和过度拟合等问题,采用机器学习分类算法——随机森林,根据叶绿素a的浓度判断水华是否发生,选取水温(T)、p H值、氮磷比(TN∶TP)、化学需氧量(COD)、总氮(TN)、总磷(TP)作为影响因子,构建基于随机森林分类算法的稳健性较好、泛化性能强、实用性强的水华预警模型。选取太湖西半湖作为研究区域进行实例分析,结果表明:该模型预测精度达到91.67%,泛化误差小,能够有效进行短期预测;在水华发生的各个影响因子中,总磷和总氮是相对重要的影响因子。     

基于随机森林的K最近邻算法

作为人工智能算法的经典算法之一,K最近邻(KNN)在非线性、低维数据时能够取得优越的效果。但是,当维数较高时,现有数据集往往会变得较为稀疏,此时KNN需要大量训练数据才能保证精度。因此,适当的数据降维方法是改进KNN方法的重要手段。先用随机森林对训练数据集的变量进行排序,从而建立一种有效的KNN算法,并采用Boston数据集验证了该模型的有效性。     

基于随机森林分类算法的边坡稳定预测模型

基于随机森林分类算法,提出一种边坡稳定预测模型。应用收集的边坡稳定状态实例资料,选取边坡的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等参数,对边坡稳定性进行预测,并与SVM模型和RBF神经网络模型的预测精度相比较;研究了随机森林模型中决策树的数量对模型预测精度的影响,并最终确定在样本数目为100左右时,模型中树的棵数设为500较合适。模型预测结果表明:选取的边坡参数比较合理,随机森林预测模型较其他模型更为精准,能有效预测边坡的稳定状态。     

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明：通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.019 5,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。     

基于数学模型的辽宁省河流测流断面流量推求研究

实现河段断面流量自动化是未来水文测验发展的趋势和研究热点,文章基于遥测水位资料,运用一维河道水力学数学模型推求了辽宁省东陵水文站和公主屯水文站测流断面流量,并和两站实测流量进行了对比分析。研究结果表明,运用一维河道水力学数学模型推求的断面流量和两站实测流量具有较好的拟合度,模拟的洪峰误差在±10%之内,相关系数在0.85~0.93。可见,该一维河道数学模型可用于东陵站和公主屯站断面流量推求。研究成果可为河流断面流量自动化采集和测验方式的改进提供途径。     

基于物理模型的河流断面固化测流技术试验研究

为定量研究不同河流断面固化方案下测流断面水位—流量关系,采用物理模型试验方法,设定模拟天然河道和固化测流断面两个方案,采集测流断面水位、流量数据,分析不同方案下河道水位—流量关系。研究结果表明：固化后的测流断面相比于天然河道,其水位—流量关系更加稳定,可通过河道水位推求流量。研究成果可以为汛期河流测流效率提高和技术改进提供参考。     

荆江分洪区测流断面基线的设立

荆江分洪区在分洪时期,我们需要取得分洪区内的流量及水位变化过程等资料。但由於:一、断面太宽,最狭处也有2,600公尺以上;二、堤身弯曲度很大,设立基线困难,同时在分洪时堤面狭小,去年分洪期测流时就只能用100公尺长的基线来控制这样大的断面;三、因断面太宽,用望远镜经纬仪等找自标有困难,用六分仪或肉眼又看不见,如再用一般河流的测验方法就更困难,测得的资料也不可靠。沙市水文分站根据具体情况,决定     

基于随机森林回归算法的水生态文明综合评价

参考国内已有研究成果,利用层次分析法从水生态系统和经济社会系统中遴选出24个指标,构建3个层次的水生态文明评价指标体系和5个等级的分级标准;采用随机生成和随机选取的方法在水生态文明评价等级标准阈值间构造训练样本和检验样本,建立基于随机森林回归算法的水生态文明评价模型,并构建径向基神经网络模型作为对比模型,利用平均相对误差绝对值等3个指标对模型性能进行评价。以文山州为实例进行水生态文明综合评价分析,结果表明:基于随机森林回归算法的水生态文明评价模型3个评价指标均优于径向基神经网络模型,具有评价精度高、泛化能力强、收敛速度快、稳健性能好以及调节参数少等优点;文山州2015年、2020年和2030年水生态文明评价结果分别为"基本和谐"、"和谐"和"理想状态"。     

基于随机森林算法的推移质输沙率计算研究

为探寻随机森林算法在预测推移质输沙率方面的效果,本文筛选了3060组天然河道输沙数据,将其划分为三种方案,得到了算法在单一流域、综合流域情况下的预测数据,并利用沙莫夫公式的计算结果作为对比。结果表明:水力参数与输沙率之间的相关性和参数在算法中的重要性并不完全一致;同一参数以不同形式出现在算法运算中时,会呈现不同的重要性;在足够的数据量支持下,随机森林算法相比于传统公式明显有更好的预测效果。     

基于改进随机森林算法的水文监测数据异常识别研究

为了提高水文监测的准确性,提出基于改进随机森林算法的水文监测数据异常识别方法。采用全局数据模式建立水文监测数据库管理模型,通过水文监测数据源之间的异构性参数,结合数据源的结构化特征分析,采用水文变化语义约束的特征分析方法,建立水文监测数据异常滤波模型;通过改进随机森林算法,进行水文监测数据异常特征提取,根据观测数据流的模式变化实现对水文监测数据的异常数据特征聚类分析和模式识别;通过构建动态水文观测数据与水文的时空分布模型,采用高层语义特征分析方法,根据实时水位数据流的量化参数分析,采用语义相似性度量方法,通过在线观测数据清洗,实现对水文监测数据异常特征识别和聚类分析,提高水文动态监测能力。仿真结果表明,采用该方法进行水文监测数据异常识别的可靠性较高,对水文变化的动态分析和识别能力较强,可提高水文监测的质量水平。     

标准断面测流资料的数学分析及应用

利用水力学曼宁公式对标准梯形断面进行分析,将渠道综合糙率n分解为渠底糙率和边坡糙率的加权平均值,运用最小二乘法原理,对渠道过水断面实际测流资料进行数学分析处理,针对一次放水的实测数据求出与边坡糙率、渠底糙率、底宽、边坡系数、及水力坡降相关的两个系数y1、y2.得出水位一流量关系式,将一次放水过程的实际记录水位代入到水位一流量关系式中,利用此关系式结合水位历时通过EXCEL软件计算一次放水的总水量.     

基于随机森林算法的土石坝压实质量动态评价研究

坝体压实质量评价是土石坝施工安全控制的关键,其中干密度是评价压实质量的重要指标,但是施工现场通过随机试坑试验获取干密度的方法难以全面反映仓面压实质量,同时压实质量评价模型存在缺乏深入分析和量化料源参数不确定性的问题。针对上述不足,本文基于碾压实时监控系统提出了考虑料源参数和评价过程随机不确定性的压实质量动态评价模型,其功能主要包括以下3个方面:(1)采用信息熵理论量化土石坝料源参数的不确定性;(2)在影响干密度的指标中增加P5含量和湿度两个指标,反映了级配与气象要素对压实质量的影响,并在考虑料源参数不确定性影响的条件下基于随机森林算法对压实质量评价模型进行了动态求解;(3)采用插值结果可信度高的Kriging方法进行全仓面压实质量动态评价,弥补了试坑试验有限检测点难以全面反映仓面压实质量的不足。将该模型应用于某工程心墙区的压实质量评价,采用五折交叉验证和F检验等方法验证了该模型的可行性,并与BP神经网络和线性回归评价方法进行对比分析,验证了本评价方法的一致性、代表性和优越性。     

基于改进随机森林算法的通榆河水生态健康状况评价研究

通过改进传统的随机森林算法,对江苏省通榆河的水生态健康状况进行评价研究,建立了包含18个具体指标的通榆河水生态健康状况评价体系,并将评价结果分为"病态、微病态、亚健康、微健康、健康"5个等级。模型改进结果表明,改进的随机森林算法(IRF)较传统的随机森林(RF)算法和径向基人工神经网络(ANN-RBF)在模型误差和计算效率上均有明显提升,算法性能得到较大改善;评价结果显示,通榆河在2016～2018年的水生态健康状况分别为微病态、亚健康、微健康,整体呈现良好的发展态势。改进的模型可为相关评价研究提供借鉴和指导。     

基于阴阳对算法优化的随机森林与支持向量机组合模型及径流预测实例

提出一种基于阴阳对(YYPO)算法优化的随机森林(RF)与支持向量机(SVM)组合预测方法,利用YYPO算法对RF、SVM关键参数和组合权重系数进行优化,构建YYPO-RF-SVM预测模型,并与YYPO-RF、YYPO-SVM模型及RF、SVM模型作对比分析,以某水文站年径流预测为例进行实例研究。利用实例前30 a、中间14 a和后10 a资料对YYPO-RF-SVM等5种模型进行训练、检验和预测。结果表明,YYPO-RF-SVM模型对实例训练、检验和预测的平均相对误差绝对值分别为2.76%、4.64%、3.02%,精度均高于YYPO-RF等4种模型。YYPO-RF-SVM模型具有更高的预测精度和泛化能力,可为水文预测预报和相关预测研究提供参考和借鉴。     

基于GAMLSS-GLO及随机森林算法的土石坝渗流监测模型

根据土石坝渗流原型观测,厘清水位、降水等因素的影响,模拟大坝渗流的真实状态,合理评估其渗流监测结果,是土石坝安全监控亟待解决的关键问题。基于此,根据数理统计原理,采用随机森林算法构建无降水条件下渗流量与上下游水位的回归模型;考虑渗流量受前期累积降水的综合影响,引入广义可加模型（GAMLSS-GLO）,模拟降水影响下土石坝渗流监测值的波动区间,并将其与渗流-水位回归模型叠加,预测土石坝渗流监测的可靠区间;最后,将该方法应用于糯扎渡心墙堆石坝的渗流监测。结果表明：所提模型方法对渗流的水位、降水响应表现出良好的适用性,显著提高了渗流模拟预测质量。同时求解了渗流量置信区间,有利于土石坝的运行工况判断及安全监控。     

基于垂线流速模型的雷达法断面流量测流精度分析

利用雷达多普勒流速仪进行测流是目前成本较低的实时自动测流方法。传统的雷达多普勒流速仪获得断面单条垂线上的表面流速,一般采用代表流速法建模计算断面流量,导致水位变幅剧烈的断面测流误差较大。本文基于表面流速数据的垂线法测流模型,采用雷达式二合一传感器获得断面的垂线表面流速和水深实测数据计算断面流量,并以新田水文站断面测流为例,与缆道流速仪法的测流数据结果进行对比验证。结果表明垂线平均流速相对误差在 5%以内的合格率达到 75%,断面平均流速相对误差和断面流量相对误差在 5%以内的合格率均达到 67%,故仅需布设两个雷达测速仪即可达到相对误差小于 5%的高精度测流,在自动测流站中有较好的应用。     

渠道过水断面测流资料的数学模式化处理

1 问题的提出 在渠道固定测流断面用流速仪实测流量时,多是将每次测得的水深(H)～流量(Q)关系点绘在米格纸上,舍去异常点,经分析目测点群的分布趋势,人为画出一条较为平滑的H～Q曲线,以此曲线作为由水位推求流量的依据。因人工目测画图随意性较大,往往出现较大偏差,更不便于微机化管理。本文拟对实测水位～流量资料进行数学模式化处理,得出理论上的H～Q关系曲线。     

淮河吴家渡测流断面剧变成因的商榷

根据1954年以来蚌埠水文站实测的吴家渡大断面资料及边界组成的特点，结合水情及工情，参照其他河段断面剧变的实例，本文对吴家渡断面剧变的成因作出解释、提出建议、提供商榷。