《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》

  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CFS的汉江上游梯级水库系统月入库径流预测》

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

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。