随机森林模型及其在湖库营养状态识别中的应用

摘要：

分析了人工神经网络(ANN)应用于湖库营养状态识别中存在的问题,提出随机森林分类(RFC)湖库营养状态识别模型,以全国24个湖库营养状态识别为例进行实例研究.首先,基于我国湖库富营养化评价标准,采用随机生成和随机选取的方法在湖库营养状态等级标准阈值问生成训练样本和检验样本,构建基于随机森林分类(RFC)原理的湖库营养状态识别模型,并构建支持向量机(SVM)与决策树(DT)识别模型作为对比模型,利用正确识别率对模型性能进行评价;最后,利用RFC模型对实例进行评价,并与相关文献识别结果进行比较.结果表明:RFC模型对于检验样本随机连续5次运行的正确识别率均为100％,识别精度优于SVM和DT模型,表明RFC模型具有识别精度高、泛化能力强、稳健性能好以及调节参数少等优点,可用于湖库营养状态识别;RFC模型对于实例营养状态识别结果与相关文献基本相同.

关键词：湖库营养状态、随机森林、支持向量机、决策树、识别

所属期刊栏目：36

分类号：TV697.3(水利枢纽、水工建筑物)

在线出版日期：2015-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：101-105