期刊导航
期刊开放获取
cqvip
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
2
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
随机森林理论及其在水文地质领域的研究进展
被引量：
17
1
作者
杜尚海
古成科
张文静
《中国环境科学》
EI
CAS
CSCD
北大核心
2022年第9期4285-4295,共11页
随机森林理论是近年来快速发展的一种人工智能集成学习算法,由于其对数据系列中异常值的容忍度较高,且预测结果准确度显著高于其他常用算法,在以水文地质领域为代表的自然科学研究中的应用越来越广泛.本文在介绍随机森林算法理论和应用...
随机森林理论是近年来快速发展的一种人工智能集成学习算法,由于其对数据系列中异常值的容忍度较高,且预测结果准确度显著高于其他常用算法,在以水文地质领域为代表的自然科学研究中的应用越来越广泛.本文在介绍随机森林算法理论和应用方法的基础上,结合国外内已有研究成果,分析其在地下水潜力评估、地表水-地下水转化、地下水水质评价和地下水污染预测等水文地质领域的应用效果,对随机森林理论在水文地质领域的应用前景和进一步发展的方向进行了讨论.结果表明,随机森林理论可以有效解决水文地质领域研究中的参数和过程不确定性问题,在水文地质结构精确刻画、水文地质参数准确反演、水文地质过程的描述均具有广阔的应用前景.
展开更多
关键词
人工智能
随机森林
地下水
地表水-地下水转化
地下水水质评价
地下水污染预测
下载PDF
职称材料
基于随机森林原理的郑州汛期降水量预报
被引量：
1
2
作者
陈欣影
丛源
钱池
《农业灾害研究》
2022年第9期151-153,共3页
计算机网络时代,机器学习方法不断更新并被广泛应用于金融、医学、生物学等多个领域。以进一步提高降水量预报准确率为目的,将机器学习方法应用于降水量预报,介绍了一种以随机森林为基础的汛期降水量预报模型,以郑州为例,使用随机森林...
计算机网络时代,机器学习方法不断更新并被广泛应用于金融、医学、生物学等多个领域。以进一步提高降水量预报准确率为目的,将机器学习方法应用于降水量预报,介绍了一种以随机森林为基础的汛期降水量预报模型,以郑州为例,使用随机森林预报汛期降水量,将随机森林的预报结果与BP神经网络的预报结果进行比较,结果显示,随机森林预报精度越高,准确率越高,同时避免了过度拟合的问题,稳定性强。
展开更多
关键词
随机森林原理
机器学习
降水量
下载PDF
职称材料
题名
随机森林理论及其在水文地质领域的研究进展
被引量：
17
1
作者
杜尚海
古成科
张文静
机构
吉林大学建设工程学院
吉林大学地下水资源与环境教育部重点实验室
吉林大学新能源与环境学院
出处
《中国环境科学》
EI
CAS
CSCD
北大核心
2022年第9期4285-4295,共11页
基金
国家重点研发计划项目(2019YFC1804804)。
文摘
随机森林理论是近年来快速发展的一种人工智能集成学习算法,由于其对数据系列中异常值的容忍度较高,且预测结果准确度显著高于其他常用算法,在以水文地质领域为代表的自然科学研究中的应用越来越广泛.本文在介绍随机森林算法理论和应用方法的基础上,结合国外内已有研究成果,分析其在地下水潜力评估、地表水-地下水转化、地下水水质评价和地下水污染预测等水文地质领域的应用效果,对随机森林理论在水文地质领域的应用前景和进一步发展的方向进行了讨论.结果表明,随机森林理论可以有效解决水文地质领域研究中的参数和过程不确定性问题,在水文地质结构精确刻画、水文地质参数准确反演、水文地质过程的描述均具有广阔的应用前景.
关键词
人工智能
随机森林
地下水
地表水-地下水转化
地下水水质评价
地下水污染预测
Keywords
artificial
intelligence
random
forest
theory
groundwater
surface
water-groundwater
conversion
groundwater
quality
assessment
groundwater
contamination
prediction
分类号
X523 [环境科学与工程—环境工程]
P641 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
基于随机森林原理的郑州汛期降水量预报
被引量：
1
2
作者
陈欣影
丛源
钱池
机构
文登区气象局
出处
《农业灾害研究》
2022年第9期151-153,共3页
文摘
计算机网络时代,机器学习方法不断更新并被广泛应用于金融、医学、生物学等多个领域。以进一步提高降水量预报准确率为目的,将机器学习方法应用于降水量预报,介绍了一种以随机森林为基础的汛期降水量预报模型,以郑州为例,使用随机森林预报汛期降水量,将随机森林的预报结果与BP神经网络的预报结果进行比较,结果显示,随机森林预报精度越高,准确率越高,同时避免了过度拟合的问题,稳定性强。
关键词
随机森林原理
机器学习
降水量
Keywords
random
forest
theory
Machine
learning
Precipitation
分类号
P457.6 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
随机森林理论及其在水文地质领域的研究进展
杜尚海
古成科
张文静
《中国环境科学》
EI
CAS
CSCD
北大核心
2022
17
下载PDF
职称材料
2
基于随机森林原理的郑州汛期降水量预报
陈欣影
丛源
钱池
《农业灾害研究》
2022
1
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
