期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测
被引量:
3
1
作者
葛建坤
雷国相
+5 位作者
陈皓锐
张宝忠
陈来宝
白美健
苏楠
于子慧
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第13期113-122,共10页
渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用shapl...
渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用shapley additive explanations(SHAP)法分析特征变量重要性。结果表明:1)集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归(random forest regression,RFR)算法预测精度最高(训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.146 m^(3)/s、0.094 m^(3)/s、0.021 m^(3)/s、0.976;测试集分别为0.306 m^(3)/s、0.197 m^(3)/s、0.093 m^(3)/s、0.931);2)采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3)以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m^(3)/s、0.080 m^(3)/s、0.016 m^(3)/s、0.982;测试集分别为0.263 m^(3)/s、0.164 m^(3)/s、0.069 m^(3)/s、0.950,研究结果对灌区防洪调度决策具有重要参考价值。
展开更多
关键词
灌溉
随机森林
机器学习
调度流量
集成学习
SHAP
下载PDF
职称材料
题名
基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测
被引量:
3
1
作者
葛建坤
雷国相
陈皓锐
张宝忠
陈来宝
白美健
苏楠
于子慧
机构
华北水利水电大学水利学院
中国水利水电科学研究院流域水循环模拟与调控国家重点实验室
国家节水灌溉北京工程技术研究中心
安徽省淠史杭灌区管理总局
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第13期113-122,共10页
基金
十四五国家重点研发计划课题(2022YFD1900504)
中国水利水电科学研究院技术创新团队项目(ID145B022021)
河南省高等学校青年骨干教师培养计划项目(2020GGJS100)。
文摘
渠道泄水闸能够快速排除灌区入渠洪水,避免渠道漫顶。研究以淠史杭灌区灌口集泄水闸为例,以闸门调度流量为目标变量,以不同时段过去和未来降雨量、泄水闸闸上实时水位及其变化量为特征变量,比较8种机器学习算法的预测精度,同时采用shapley additive explanations(SHAP)法分析特征变量重要性。结果表明:1)集成学习算法预测评价指标优于传统回归算法,8种机器学习算法中随机森林回归(random forest regression,RFR)算法预测精度最高(训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.146 m^(3)/s、0.094 m^(3)/s、0.021 m^(3)/s、0.976;测试集分别为0.306 m^(3)/s、0.197 m^(3)/s、0.093 m^(3)/s、0.931);2)采用SHAP法确定的特征变量重要性排序表明灌口集泄水闸闸上水位对于泄水闸调度流量的预测结果影响最大,占特征重要性值总和的34.6%;3)以过去6 h降雨量、过去9 h降雨量、未来6 h降雨量、灌口集泄水闸闸上水位作为输入变量的RFR算法预测灌口集泄水闸调度流量效果最佳,训练集均方根误差、平均绝对误差、均方误差及决定系数分别为0.126 m^(3)/s、0.080 m^(3)/s、0.016 m^(3)/s、0.982;测试集分别为0.263 m^(3)/s、0.164 m^(3)/s、0.069 m^(3)/s、0.950,研究结果对灌区防洪调度决策具有重要参考价值。
关键词
灌溉
随机森林
机器学习
调度流量
集成学习
SHAP
Keywords
irrigation
random forest
machine learning
dispatched flow
ensemble learning
SHAP
分类号
TV122 [水利工程—水文学及水资源]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SHAP重要性排序和机器学习算法的灌区渠道调度流量预测
葛建坤
雷国相
陈皓锐
张宝忠
陈来宝
白美健
苏楠
于子慧
《农业工程学报》
EI
CAS
CSCD
北大核心
2023
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部