高斯过程回归模型在河流水温模拟中的应用 |
| |
作者姓名: | 朱森林 吴时强 |
| |
作者单位: | 南京水利科学研究院 |
| |
摘 要: | 通过收集密苏里河三个站点的多年实测水温、气温数据,建立了水温-气温的高斯过程回归模型.和传统的水温回归模型(线性、非线性及随机回归模型)相比,高斯过程回归模型的精度较高,各研究站点的相关系数值均较高(0.966 4~0.989 7),均方根误差值相对较小(1.978 4~1.495 0).高斯过程回归作为一种较为先进的机器学习方法,和其他机器学习方法相比,其突出的优点在于结合了许多机器学习任务,包括模型训练、不确定性分析及超参数估计等,该方法可以有效地应用于天然河流站点水温的预测.
|
本文献已被 CNKI 等数据库收录! |
|