《表1 三种模型测试精度与相对误差》
图1和表1分别为RF算法计算得到训练样本和测试样本的预测结果。为比较算法优越性,另使用RBF、SVM实施建模预测。依图1可知,3种不同算法均能够较好拟合用水量变化,对训练样本各年份用水量预测的相对误差介于-0.372亿m3~0.464亿m3之间,表明训练模型精度可靠。2000年~2010年恩施市用水量总体呈上升趋势,而于2003年用水量较之于往常年份有所降低,对这种局部异常(图1-a、1-b),SVM和RBF算法未能准确模拟,RF模型则能够通过各解释变量变化特征捕捉到这一细节变化。训练模型统计显示,RF、SVM、RBF训练模型的平均绝对误差依次为0.78%、0.89%、0.67%。测试结果表明,基于RF的预测结果最优,其平均绝对误差仅为0.94%,而基于SVM和RF的预测结果的平均绝对误差分别为1.15%、1.58%。综合来看,基于RF的用水量预测模型精度高、预测效果良好,能够适用于用水量预测建模。
图表编号 | XD0057696700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.20 |
作者 | 邬述飞、刘远、金锴 |
绘制单位 | 湖北省恩施土家族苗族自治州水文水资源勘测局、湖北省恩施土家族苗族自治州水文水资源勘测局、湖北省恩施土家族苗族自治州水文水资源勘测局 |
更多格式 | 高清、无水印(增值服务) |