3种机器学习模型在地下水位动态模拟中的效果比较

为及时准确模拟区域地下水位动态变化,采用机器学习算法,在参数训练与特征子集参数筛选基础上,构建了基于极限学习机(ELM模型)、非线性自回归神经网络(NARX模型)和随机森林(RF模型)3种机器学习模型,对密怀顺区域地下水位动态变化进行了模拟,结果表明:3种机器学习模型在密怀顺区域地下水位动态模拟精度大小顺序为RF模型>NARX模型>ELM模型,与ELM模型相比,NARX模型和RF模型更适用于密怀顺区域地下水位动态模拟。地下水位动态变化模式分为波动上升型和稳定上升型2种类型,NARX模型适用于模拟地下水位变化呈波动上升型的监测井,RF模型适用于模拟地下水位变化呈稳定上升型的监测井。研究成果可为机器学习模型在地下水位分析中的应用提供方法参考。