《表1 三种模型的输入参数组合》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的昆明站参考作物蒸散量估算研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本研究选取了KNEA模型、LGBM模型、MARS模型这三种机器学习模型，其中，KNEA模型用于寻找非支配解中的knee points，该算法主要思想是如果没有明确的用户偏好，knee points是非支配解中最受欢迎的。该算法不仅可以找到收益较大的点，还无需引入额外的多样性维护机制，从而降低了计算的复杂性。LGBM模型基于梯度提升随机树GBDT算法的框架，该算法对多线程进行了优化，并通过直方图做差加速，用非常小的代价使运算速度提升一倍。MARS模型计算过程是回归的自适应过程，非常适合大量气象因子输入这一类的高维问题的计算。表1列出了三种机器学习算法模型的输入参数组合。