基于机器学习的三峡水库小时尺度坝前水位预测
打开文本图片集
摘要： 针对三峡水库坝前水位影响因素繁多、变化机理复杂、传统水量平衡方法难以精确预测的问题，以水库历史运行数据为基础，分析了坝前水位变化规律，并采用3种机器学习方法（人工神经网络、支持向量机、随机森林）分别构建了小时尺度坝前水位预测模型，对模型预测效果进行了评价。测试结果表明：3个预测模型均具有较高预测精度，其中随机森林模型在精度评价中表现最优， k 折交叉验证均方误差为5.2， R 2 平均值为0.82，在3个不同调峰量的典型测试案例中较传统水量平衡方法均具有明显优势。（剩余8149字）