《表1 基于随机森林和人工神经网络的CFS校正预测的相对误差绝对值的平均值》
注:A、B分别代表随机森林模型、人工神经网络模型。
为进一步对比随机森林和人工神经网络的预测效果,应用两个模型对2011~2015年的CFS预测进行校正,结果见表1。由表1可知,两个校正模型精度接近,即汛期精度均高于枯季,且精度均不受预见期影响。应用两个模型对2017年1~9月的CFS原始预测进行试校正,结果显示,随机森林的校正合格率(56%)虽然低于人工神经网络的校正合格率(78%),但其合格相对误差绝对值平均却比人工神经网络的高3.7%,因而不能确定哪种方法更好,考虑到预测的不确定性,取两个模型的校正均值,作为最终面降雨预测。
图表编号 | XD0073767000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 刘甜、梁忠民、邱辉、金路熠、王军、黄一昕 |
绘制单位 | 河海大学水文水资源学院、河海大学水文水资源学院、长江水利委员会水文局、浙江省钱塘江管理局勘测设计院、河海大学水文水资源学院、河海大学水文水资源学院 |
更多格式 | 高清、无水印(增值服务) |