应用决策树和logistic回归模型分析胃肠道穿孔修补术后手术部位感染的影响因素

目的应用决策树和logistic回归模型分析胃肠道穿孔修补术后并发手术部位感染(SSI)的影响因素。方法选取2018年1月—2023年1月于绵阳市某医院进行胃肠道穿孔修补术的患者为研究对象,收集患者临床资料,根据术后是否发生SSI将患者分为SSI(+)组(n=41)和SSI(-)组(n=322)。使用单因素和多因素logistic回归分析胃肠道穿孔修补术后并发SSI的影响因素,并建立相关决策树预测模型。结果363例胃肠道穿孔修补术患者术后发生SSI 41例,发病率为11.29%。单因素分析结果显示,两组患者身体质量指数(BMI)、清蛋白水平、术前应用抗菌药物、术前腹痛时间和手术时间比较,差异均有统计学意义(均P<0.05)。多因素logistic回归分析显示,BMI较高(OR=2.059,95%CI:1.103~3.842)、清蛋白水平<35 g/L(OR=2.761,95%CI:1.312~5.811)、术前腹痛时间≥24 h(OR=3.589,95%CI:1.659~7.763)和手术时间≥2 h(OR=3.314,95%CI:1.477~7.435)是胃肠道穿孔修补术后患者并发SSI的独立危险因素(P<0.05),术前应用抗菌药物是其保护因素(OR=0.338,95%CI:0.166~0.690,P<0.05)。基于上述因素建立预测胃肠道穿孔修补术后患者并发SSI风险的决策树模型。模型验证结果显示,受试者工作特征曲线下面积(AUC)为0.811(95%CI:0.794~0.825)。结论胃肠道穿孔修补术后患者并发SSI的危险因素包括BMI较高、清蛋白水平<35 g/L、术前腹痛时间≥24 h和手术时间≥2 h,保护因素为术前应用抗菌药物,基于影响因素构建的决策树模型对胃肠道穿孔修补术后患者并发SSI风险具有良好的预测能力。

基于仿真机理和改进回归决策树的二噁英排放建模

城市固废焚烧(Municipal solid waste incineration,MSWI)过程是“世纪之毒”二噁英(Dioxin,DXN)的重要排放源之一.截止目前为止,DXN的演化机理和实时检测仍是尚未解决的难题.现有研究主要基于离线化验数据构建数据驱动模型,DXN的检测未有效结合燃烧过程机理.针对该问题,本文提出基于仿真机理和改进线性回归决策树(Linear regression decision tree,LRDT)的DXN排放建模.首先,采用基于床层固废燃烧模拟软件FLIC(Fluid dynamic incinerator code)和过程工程先进系统软件(Advanced system for process engineering Plus,Aspen Plus)耦合的数值仿真模型,获取蕴含多运行工况的虚拟机理数据;接着,利用虚拟机理数据构建基于改进LRDT的CO_(2)、CO和O_(2)燃烧状态表征变量模型;然后,以真实CO_(2)、CO、O_(2)作为输入和以DXN真值作为输出,构建多入单出LRDT的过程映射模型(Process mapping model,PMM),再利用该模型进行半监督学习和结构迁移得到机理映射模型1(Mechanism mapping models1,MMM1);最后,通过结构增量学习获得基于半监督迁移学习的MMM2模型.在实验室的半实物平台和北京某MSWI厂的边侧验证平台对所提方法进行了工业应用验证.实验结果证明了所提方法与研发的软测量系统可有效实现二噁英排放浓度在线检测.

基于Logistic回归与决策树模型的老年多重慢病及影响因素分析

目的:应用决策树模型和Logistic回归对老年多重慢病影响因素进行分析,为多重慢病的管理和防控提供依据。方法:采用多阶段分层随机抽样方法于青岛、广州、苏州抽取1273名老年人,进行老年多重慢病的问卷调查,分别建立Logistic回归模型和决策树模型,分析并比较两种分析方法结果的差异性。结果:Logistic回归结果显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素,其中年龄是保护因素(OR<1)。决策树模型显示医疗保险是老年多重慢病的最主要影响因素,其次是吸烟、年龄和婚姻状况。两种模型分析比较结果显示,Logistic回归模型的灵敏度为74.3%,特异度为55.3%;决策树模型的灵敏度为57.2%,特异度为73.3%。结论:研究显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素。结合运用Logistic回归模型和CHAID模型,可以有效筛选老年多重慢病的危险因素,有助于制定针对性措施,加强管理和防控。

基于多元线性回归与决策树模型的病种费用分析——以儿童支气管肺炎为例

目的对儿童支气管肺炎住院费用分组,旨在DIP付费下,为住院费用的控制提出更合理的建议。方法通过统计软件SPSS 22对某三甲医院2019—2022年10月3448名儿童支气管肺炎出院患者,进行单因素分析和多元线性回归分析,结果筛选出分节点变量,用决策树模型对费用进行组合,并制定各组标准住院费用与权重。结果该院儿童支气管肺炎住院费用逐年上升,但费用结构却在优化。通过多元线性回归分析,将平均住院日、入院病况与年龄三个显著性因素作为分类节点,使用决策树模型,共分为6个费用组,并提出各组费用控制标准与预警上线。结论通过住院费用的预测值与费用预警线能够为支气管肺炎费用管理提供更为精准的参考与建议,节约卫生资源。

基于决策树-逻辑回归模型的心脏病影响因素

为了研究心脏病的影响因素问题,借助在UCI数据库中提取的心脏病数据集,提出一种决策树-逻辑回归的心脏病影响因素识别方法。为了验证该方法的有效性,以准确率、F1分数、特异性等作为模型评价指标。实验结果表明,决策树-逻辑回归显示胸痛类型、地中海贫血的血液疾病、达到的最大心率和荧光检查染色体的主要血液数量是心脏病的影响因素。从模型评价来看,所提出的决策树-逻辑回归模型各指标均比逻辑回归和决策树要高,与此同时,ROC曲线下面积的AUC值达到0.858,说明该模型对分析心脏病因素效果和模型拟合更好,验证了该模型的有效性。

康复辅具使用满意度研究—基于Logistic回归与决策树模型

随着对康复辅具的需求日益增加,为调查辅具使用者对辅具的满意度,对上海地区相关人员进行问卷调查。采用云模型、有序Logistic回归模型和决策树模型分析辅具使用者满意度现状及其影响因素。研究发现:辅具使用者的整体满意度一般;云滴图说明辅具使用者对于满意度的评价呈现非均衡的分布情况;有序Logistic回归模型显示年龄、完成特定活动是否困难、家庭月收入是辅具使用满意度的显著影响因素;在进行IV特征评估后的决策树模型同样呈现出相同的影响因素。

基于有序logistic回归与决策树方法的老年慢性病者获得感影响因素分析

目的了解老年慢性病者获得感情况,探究其影响因素,为后续提升老年慢性病者获得感提供依据。方法本研究数据来源于广东医科大学附属医院的老年慢性病者调查。采用方便抽样对调查期间住院的380名老年高血压、冠心病和慢性前列腺增生患者进行问卷调查,内容包括获得感、社会人口学特征、生理功能、心理功能、社会功能等。采用SPSS 26.0进行单因素多样本秩检验、Spearman相关分析、多因素有序logistic回归模型和CHAID分类决策树分析。结果调查的380名老年慢性病者,2.9%根本没有获得感,40.5%不清楚或中等获得感,66.6%有非常强获得感。多因素有序logistic回归结果显示婚姻状况、文化程度、社会支持、精神支柱等因素均有统计学意义(P<0.05)。未婚,文化程度初中及以下、高中及专科,能像生病前一样与别人来往,精神支柱没有或一般能让其感受到生命意义,适度活动受到限制的老年慢性病者获得感相对较低,OR值分别为0.318、0.172、0.307、0.500、0.145、0.407、0.545。平时没有感受到情绪低落或忧伤,没有因为患病及治疗造成家庭经济困难的老年慢性病者获得感较高,OR值分别为3.042和1.988。分类决策树分析结果显示精神支柱能让感受到生命的意义或生活的价值、是否能像生病前一样和别人来往、患病造成家庭经济困难、适度活动受到限制是影响老年慢性病者获得感的重要因素。结论需关注老年慢性病者精神心理层面的需求,维持人际交往,采取针对性的措施尽可能帮助它们降低活动受限程度,从而提升老年慢性病者获得感。

基于Logistic回归和决策树的老年脑卒中病人肌少症风险预测模型的构建

目的:探究影响老年脑卒中病人肌少症的因素,构建风险预测模型,并评估其预测准确性。方法:于2022年9月—2023年4月选取辽宁省某三级甲等医院神经内科的489例老年脑卒中病人为研究对象。依据Logistic回归分析结果构建肌少症风险预测模型,绘制列线图和决策树,并根据受试者工作特征曲线下面积(AUC)和混淆矩阵对模型的预测效能进行评价。结果:老年脑卒中病人肌少症发生率为37.6%。Logistic回归分析结果显示,年龄、吸烟、日常生活自理能力(ADL)、跌倒风险、营养状态和运动习惯是老年脑卒中病人肌少症发生的影响因素(P<0.05);决策树模型结果显示,年龄、ADL、吸烟、运动习惯、营养状态是病人发生肌少症的决策因素。Logistic回归模型的AUC为0.959,决策树模型训练集和测试集的AUC分别为0.892和0.826。结论:本研究构建的Logistic回归模型和决策树模型预测效能均良好,有利于临床医护人员对肌少症高危人群进行筛查。

Logistic回归与决策树模型在碘造影剂不良反应预测中的应用

目的采用Logistic回归与决策树模型分析碘造影剂(iodinated contrast medium,ICM)不良反应影响因素。方法不良反应组为2019年1月至2023年8月期间在云南省阜外心血管病医院行CT检查使用ICM并出现不良反应的患者129例,对照组为同期使用ICM未发生不良反应的患者135例,将单因素分析中有统计学意义的变量纳入多因素Logistic回归和决策树模型,提取引起不良反应的影响因素并进行分析。结果Logistic回归结果显示BMI、过敏史和肾功能不全是发生ICM不良反应的影响因素(P<0.05),预测模型为Lggit(P)=0.123×BMI+1.684×过敏史+2.551×肾功能不全-3.652;决策树分析筛选出3个风险变量,包括过敏史、肾功能不全和ICM种类,其中过敏史是最主要的影响因素。结论通过运用Logistic回归和决策树模型预测不良反应的影响因素并将研究转变为了避免不良反应发生的主动预测,对患者安全用药有参考价值。

基于logistic回归与决策树的骨质疏松椎体压缩性骨折患者术后发生再骨折的影响因素分析

目的 探讨骨质疏松椎体压缩性骨折(osteoporotic vertebral compression fracture, OVCF)患者术后发生再骨折的影响因素。方法 选取2019年1月至2022年1月湖北中医药大学附属湖北省中医院OVCF患者114例,根据术后有无再发骨折分为再发骨折组(28例)和未再发骨折组(86例),采用logistic回归和决策树分析OVCF患者发生再发骨折的影响因素。结果 114例OVCF患者中,男31例,女83例,年龄41~89岁,平均(74.5±8.9)岁,28例OVCF患者术后发生再骨折,发生率为24.6%。多因素logistic回归分析结果显示,BMI越高(OR=1.437,95%CI:1.123~1.839,P=0.004)、既往有骨折病史(OR=4.572,95%CI:1.115~18.741,P=0.035)、有骨水泥渗漏(OR=4.962,95%CI:1.074~22.927,P=0.040)、未进行抗骨质疏松治疗(OR=0.101,95%CI:0.022~0.467,P=0.003)、碱性磷酸酶越低(OR=0.929,95%CI:0.888~0.972,P=0.001)的OVCF患者术后发生再骨折的风险越高。决策树模型结果显示,碱性磷酸酶是OVCF患者术后发生再骨折的主要影响因素,其次是既往骨折病史和抗骨质疏松治疗。ROC分析结果显示,决策树AUC为0.846(95%CI:0.750~0.943,P<0.001),logistic回归AUC为0.919(95%CI:0.862~0.975,P<0.001),两种模型的AUC差异无统计学意义(Z=1.720, P=0.085)。结论 OVCF患者术后再骨折主要受BMI、既往骨折病史、骨水泥渗漏、抗骨质疏松治疗、ALP等因素影响,术后应多关注既往有骨折病史、骨水泥渗漏、ALP水平较低的患者,术后BMI保持适当范围,积极进行持续性抗骨质疏松治疗,降低再骨折发生的风险。

基于Logistic回归与决策树模型的中老年2型糖尿病患者低血糖恐惧影响因素分析

目的:多角度分析中老年2型糖尿病患者低血糖恐惧的影响因素,为临床早期识别和筛查低血糖恐惧提供参考依据。方法:选取唐山市工人医院内分泌科室住院的中老年2型糖尿病患者404例作为研究对象,采用Logistic回归与决策树模型分析中老年2型糖尿病患者低血糖恐惧的影响因素并比较两种模型的差异。结果:Logistic回归分析结果显示,婚姻状况、入院空腹血糖、糖尿病病程、治疗类型、低血糖类型、夜间低血糖经历为中老年2型糖尿病患者低血糖恐惧的影响因素;决策树模型结果显示糖尿病病程、低血糖类型、夜间低血糖经历为其影响因素。结论:可将Logistic回归与决策树模型结合探讨分析中老年2型糖尿病患者低血糖恐惧的影响因素,多角度分析其影响因素,为临床实施早期干预措施提供参考依据。

Logistic回归与决策树模型对大面积急性岛叶梗死患者预后的预测价值

目的探讨Logistic回归模型和决策树模型对大面积急性岛叶梗死预后不良的预测价值。方法回顾性分析2019年1月—2022年12月收治的大面积急性岛叶梗死100例的临床资料,根据发病3个月后改良Rankin量表分为预后良好组和预后不良组。统计2组临床资料、实验室指标、疾病史等基线资料。构建Logistic回归模型、决策树模型分析预后不良影响因素。绘制受试者工作特征(ROC)曲线分析2种模型对预后不良的预测效能。结果发病3个月后失访3例,预后不良发生率为39.18%(38/97),预后良好率为60.82%(59/97)。Logistic回归分析显示,年龄、房颤、基线肌钙蛋白T(cTnT)、鸢尾素、闭锁蛋白(Occludin)是预后不良影响因素(P<0.01);决策树模型分析显示,年龄、房颤、基线cTnT及Occludin是预后不良影响因素;决策树模型预测预后不良的曲线下面积大于Logistic回归模型。结论年龄、房颤、基线cTnT、Occludin是大面积急性岛叶梗死患者预后不良影响因素,基于上述因素构建Logistic回归模型和决策树模型均具有良好应用价值,应结合2种模型优点,为临床诊治提供新思路。

基于logistic回归和决策树法预测肿瘤合并胆管占位患者ERCP术后并发胰腺炎的研究

目的基于logistic回归和决策树法,研究肿瘤合并胆管占位患者在内镜下逆行胰胆管造影术(ERCP)术后并发胰腺炎的影响因素。方法选择2020年3月至2023年3月河南省肿瘤医院收治的149例下段胆管癌合并胆管占位患者,均接受ERCP术治疗。入院后,收集患者的临床资料,根据患者术后是否并发胰腺炎,将其分为发生组与未发生组,并对比两组患者的临床资料。分别采用logistic回归和决策树法分析患者ERCP术后并发胰腺炎的影响因素,采用受试者工作特征(ROC)曲线分析logistic回归分析与决策树模型分析的结果。结果149例患者术后共有29例(19.46%)并发胰腺炎,据此将其分为发生组(n=29)与未发生组(n=120)。两组患者的性别、年龄、体重指数(BMI)、高血压、糖尿病、吸烟、饮酒、总胆固醇(TC)、甘油三酯(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、空腹血糖(FPG)、淀粉酶(AMY)等一般资料相比,差异无统计学意义(P>0.05);发生组患者的急性生理学与慢性健康状态评分系统Ⅱ评分、胰腺炎病史、胰腺显影、存在插管困难与未发生组相比,差异有统计学意义(P<0.05)。logistic多因素回归分析结果显示,胰腺炎病史、胰腺显影、存在插管困难是ERCP术后并发胰腺炎的危险因素(P<0.05)。决策树模型结果显示,胰腺炎病史、胰腺显影、存在插管困难均是影响ERCP术后并发胰腺炎的危险因素。logistic回归和决策树模型的分类准确率分别为85.37%和90.72%,准确度均较好。ROC曲线结果显示,logistic回归的曲线下面积为0.798,决策树模型的曲线下面积为0.843(P<0.05)。结论临床针对存在胰腺炎病史、胰腺显影、插管困难的下段胆管癌合并胆管占位患者,可给予有效治疗及干预;将logistic回归和决策树法联合应用可从不同层面发现下段胆管癌合并胆管占位患者在ERCP术后并发胰腺炎的影响因素,从而加强早期评估与识别,以进一步降低ERCP术后并发急性胰腺炎的风险。

决策树C5.0与Logistic回归模型对产后腹直肌分离预测性能的比较研究

目的比较决策树C5.0与Logistic回归模型对产后腹直肌分离的预测效果。方法选取产后复查的产妇476例作为研究对象。采用问卷调查法获取产妇的一般资料;采用电刺激治疗仪评估盆底肌电值;采用腹部触诊法判断腹直肌分离程度。将所有数据按照3∶2的比例建立训练集与测试集,运用决策树C5.0及Logistic回归建立产后腹直肌分离的风险预测模型;采用准确度、灵敏度、特异度、约登指数、阴性预测值、阳性预测值和受试者工作特征(ROC)曲线的曲线下面积(AUC)对模型的预测性能进行比较。结果在训练集中,决策树C5.0和Logistic回归模型的准确度分别为96.94%、72.45%,灵敏度分别为98.92%、86.02%,特异度分别为93.52%、49.07%,阳性预测值分别为96.34%、74.42%,阴性预测值分别为98.06%、67.09%,约登指数分别为92.44%、35.10%,AUC分别为0.962、0.675;训练集中,决策树C5.0和Logistic回归模型的AUC比较,差异有统计学意义(P<0.05)。在测试集中,决策树C5.0与Logistic回归模型的准确率分别为81.50%、62.43%,灵敏度分别为88.35%、82.52%,特异度分别为71.43%、32.86%,阳性预测值分别为81.98%、64.39%,阴性预测值分别为80.65%、56.10%,约登指数分别为59.78%、15.38%,AUC分别为0.799、0.577;测试集中,决策树C5.0和Logistic回归模型的AUC比较,差异有统计学意义(P<0.05)。结论决策树C5.0对产后腹直肌分离的预测效能优于Logistic回归模型。

基于Logistic回归模型与决策树模型分析缺血性脑卒中后抑郁影响因素

目的:了解缺血性脑卒中病人卒中后抑郁(PSD)发生现状,采用Logistic回归模型和决策树C5.0模型探讨其影响因素。方法:采用便利抽样法选取2022年1月—10月滨州市某三级甲等医院确诊为缺血性脑卒中的215例病人为研究对象进行调查,通过构建Logistic回归模型和决策树C5.0模型分析PSD发生的影响因素,比较两种模型的预测性能。结果:215例缺血性脑卒中病人完成调查,其PSD发生率为37.7%。Logistic回归模型显示,性别、脑卒中部位、日常生活活动能力量表(BI)评分、同型半胱氨酸和红细胞分布宽度是PSD发生的影响因素,模型受试者工作特征曲线下面积(AUC)为0.772。决策树C5.0模型显示,BI评分、脑卒中部位和是否合并糖尿病是PSD发生的影响因素,模型AUC为0.729。两种模型预测性能比较差异无统计学意义(Z=1.737,P=0.082)。结论:缺血性脑卒中病人PSD发生率较高,Logistic回归模型和决策树C5.0模型对其具有一定预测价值,建议两种模型联合使用以提高预测性能,实现PSD的早期识别和干预。

决策树联合Logistic回归模型探讨骨科清洁手术术后切口感染病原菌特点及危险因素

目的探讨我院骨科清洁手术切口感染的病原菌特点及危险因素。方法收集2018年1月-2020年12月在我院骨科行清洁手术的2264例患者资料,分析切口感染的病原菌特点,并分别建立决策树CHAID模型和Logistic回归模型,分析切口感染的影响因素,更全面地探讨导致切口感染的危险因素。结果手术后有31例(1.37%)患者发生切口感染,感染患者切口分泌物中共培养出致病菌15株,其中革兰阳性球菌10株,革兰阴性杆菌5株。决策树CHAID模型分析结果显示,手术时间>2 h、术前抗菌药物使用时间≥10 d以及既往有手术经历均是切口感染的危险因素,并且术前抗菌药物使用时间≥10 d的患者术后感染的风险最高;Logistic回归结果显示,合并糖尿病、手术时间>2 h、术前抗菌药物使用时间≥10 d以及既往有手术经历是感染发生的独立危险因素。结论通过分析切口感染的病原菌,并且利用决策树CHAID模型与Logistic回归相结合,从不同方面描述影响术后切口感染发生的因素及其作用,为制定骨科手术切口感染的预防和治疗策略提供充分的实践依据,降低了院内的感染率。

基于决策树模型与Logistic回归模型分析安徽省护士心理资本的影响因素

目的:探究安徽省护士心理资本的影响因素。方法:采用决策树模型和Logistic回归模型对33330名安徽省护士心理资本的影响因素进行研究,使用受试者工作特征(ROC)曲线评价2种预测模型的效果。结果:Logistic回归分析和决策树模型均显示,每个月夜班数、对护理工作的热爱程度、对新型冠状病毒感染防控知识掌握程度、社会舆论对护士的报道情况、自评健康状况是护士心理资本的影响因素。护士对护理工作的热爱程度是心理资本的主要影响因素。2种模型分析结果比较显示,二分类Logistic回归模型的灵敏度为76.3%,特异度为66.5%;决策树模型的灵敏度为64.3%,特异度为73.9%(均P<0.001)。结论:安徽省护士心理资本处于中等偏上水平,且受到对护理工作的热爱程度、社会舆论及自评健康状况等多因素影响,应重视护士的心理健康情况并多举措提高其心理资本水平。Logistic回归模型和决策树模型均具有一定的分类预测价值,其中Logistic回归模型的灵敏度较高,分类决策树模型的特异度较高,两者互相补充从而使结果更具临床意义。

糖尿病患者住院费用影响因素分析——基于多重线性回归、决策树、通径分析3种模型

目的:探讨糖尿病患者住院费用影响因素,为住院费用研究提供方法启示。方法:以庆阳市13家公立医院糖尿病患者为研究对象,运用多重线性回归、决策树、通径分析3种模型,分析住院费用影响因素。结果:综合3种模型分析结果得知,糖尿病患者住院费用主要受住院天数、医院级别、糖尿病类型、并发症与合并症、医院类型、DRG改革等因素影响,其中住院天数是最主要影响因素。结论:3种模型均可有效探究住院费用影响因素,但应用侧重有所不同;多重线性回归模型从整体上研究住院费用的直接影响因素,决策树模型可细化分析费用区间具体情况,通径分析模型可全面分析住院费用影响因素并量化排序。

基于回归决策树的测量设备无关型量子密钥分发参数优化

量子密钥分发(quantum key distribution,QKD)结合一次一密的加密方式,可以实现无条件安全的量子通信.双场(twin-field,TF)QKD和测量设备无关(measurement-device-independent,MDI)QKD具有较高的安全性,同时适合构建以测量端为中心的网络,具有广阔的应用前景.但在实际应用过程中,参数配置对QKD性能有着极大影响,而实际场景中存在着用户数量大、位置距离中心站点非对称、并且用户大部分处在实时移动中的特点.面对上述实时的参数配置需求,传统的参数优化方式将无法满足.本文提出将监督机器学习算法应用于QKD参数优化配置中,通过机器学习模型预测不同场景下TF和MDI两种常用协议的最优参数.将神经网络、最近邻、随机森林、梯度提升决策树和分类回归决策树(classification and regression tree,CART)等监督学习模型进行对比,结果显示CART模型在R^(2)等回归评估指标上均有最优表现.在随机划分训练组、验证组情况下,预测参数的密钥率与最优密钥率比值的均值在0.995以上;在“超精度”和“超范围”两种极限情况下,该均值仍能维持在0.988左右,且在残差分析中具有较好的环境鲁棒性,展现出较好的性能.此外,基于CART的新方案相较于传统方案在计算实时性表现上有很大提升,将单次预测时间缩短至微秒量级,很好地满足了通信方在移动状态下的实时通信需求.

基于决策树模型的黄河水沙变化预测

本文基于小浪底水库下游黄河某水文站2016—2021年的水流量与含沙量的实际监测数据,分别建立随机森林(Random Forest)、决策树(Decision Tree)和极端梯度提升(XGBoost)3种机器学习回归模型预测水流量和含沙量的走势,并对比3种模型的拟合效果。结果表明,与随机森林和极端梯度提升算法相比,决策树算法对水沙变化的预测效果更好,其能够有效拟合水沙变化的走势,对未来黄河流域的水沙治理有一定参考价值。