Multi-station Joint Long-term Water Level Prediction Model of Hongze Lake Based on RF-Informer

随机森林 期限(时间) 接头(建筑物) 环境科学 相关系数 学位(音乐) 水位 水文学(农业) 气象学 统计 计算机科学 数学 工程类 机器学习 土木工程 岩土工程 地理 地图学 物理 量子力学 声学
作者
Nannan Du,Xuechun Liang,Congyou Wang,Jia Lu
标识
DOI:10.1109/ispds56360.2022.9874178
摘要

In order to solve the problem of low accuracy of long-term water level forecasting, a multi-station joint long-term water level forecasting model combining random forest and Informer was proposed. First, the Pearson correlation coefficient (PCC) between hydrological stations is calculated, and the hydrological station with the highest degree of correlation with the water level of Hongze Lake is found; then, the random forest (RF) is used to re-extract and select the hydrological station index; finally, the RF and Informer are combined. The experimental results show that the proposed model has higher prediction accuracy.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
瓦力文发布了新的文献求助10
1秒前
火火火完成签到 ,获得积分10
1秒前
2秒前
orixero应助二东采纳,获得10
2秒前
3秒前
4秒前
4秒前
Desserts发布了新的文献求助10
5秒前
Distance发布了新的文献求助10
6秒前
李爱国应助bdvdsrwteges采纳,获得10
6秒前
可可爱爱发布了新的文献求助10
6秒前
7秒前
香蕉紫菜完成签到,获得积分10
7秒前
9秒前
朴素代秋发布了新的文献求助10
9秒前
阿连完成签到,获得积分10
10秒前
surong发布了新的文献求助10
11秒前
11秒前
12秒前
孤烟完成签到,获得积分10
13秒前
14秒前
Hello应助我有一头小毛驴采纳,获得10
15秒前
二东发布了新的文献求助10
15秒前
KeYang发布了新的文献求助10
15秒前
火火火发布了新的文献求助30
15秒前
天天快乐应助司纤户羽采纳,获得10
16秒前
16秒前
热情的紫菜完成签到,获得积分10
17秒前
大大怪发布了新的文献求助10
18秒前
19秒前
善学以致用应助WERTUYU采纳,获得10
20秒前
华仔应助香蕉紫菜采纳,获得10
20秒前
英俊的铭应助xiaisxi采纳,获得10
20秒前
山猫完成签到,获得积分10
22秒前
科研通AI2S应助sanxing采纳,获得10
22秒前
又又发布了新的文献求助10
22秒前
24秒前
orixero应助三木小君子采纳,获得10
25秒前
001发布了新的文献求助10
26秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157866
求助须知:如何正确求助?哪些是违规求助? 2809202
关于积分的说明 7880857
捐赠科研通 2467704
什么是DOI,文献DOI怎么找? 1313664
科研通“疑难数据库(出版商)”最低求助积分说明 630476
版权声明 601943