基于Stacking集成机器学习的银川平原地下水位动态预测OA
【目的】精准模拟与预测银川平原地下水位的动态变化。【方法】基于银川平原33 a逐月地下水位、气温、降水量和蒸散发量的监测数据,采用偏自相关函数与时序互信息确定历史地下水位的最优滞后阶数,构建支持向量机回归(SVR)、随机森林(RF)、人工神经网络(ANN)、梯度提升决策树(GBDT)和极限梯度提升(XGBoost)地下水位动态预测的机器学习模型;在此基础上,以岭回归(Ridge)为元学习器,融合单一模型的预测结果,建立Stacking集成预测模型,开展银川平原地下水位动态预测。【结果】各监测井的历史地下水位最优滞后阶数介于6~8阶;集成模型预测性能显著优于5种单一模型,平均决定系数(R^(2))、绝对误差(MAE)、均方根误差(RMSE)分别为0.933、0.357 m与0.500 m,平均残差分布和平均残差均值分别为1.393 m和0.006 m。【结论】基于地下水位多阶滞后特征与Stacking集成策略构建的动态预测模型,可有效提升银川平原地下水位的预测精度与稳定性。
丁朋朋;王苏桐;郭政;杨熙;唐利君;关红
宁夏大学土木与水利工程学院,银川750021 宁夏回族自治区黄河水联网数字治水重点实验室,银川750021宁夏大学土木与水利工程学院,银川750021 宁夏回族自治区黄河水联网数字治水重点实验室,银川750021宁夏大学土木与水利工程学院,银川750021 宁夏回族自治区黄河水联网数字治水重点实验室,银川750021宁夏大学土木与水利工程学院,银川750021 宁夏回族自治区黄河水联网数字治水重点实验室,银川750021宁夏回族自治区国土资源调查监测院,银川750002宁夏葡萄酒与防沙治沙职业技术学院,银川750199
天文与地球科学
地下水位预测机器学习Stacking算法最优滞后银川平原
《灌溉排水学报》 2026 (8)
P.113-120,8
国家自然科学基金资助项目(42307272)宁夏重点研发计划项目(2024BEG02005)宁夏教育厅高等学校科学研究项目(NYG-2024-380)宁夏大学水利工程“一流学科”建设项目。
评论