基于混合集成学习算法的香港林村河水质指标预测

作者：谷志新; 郭宇

来源：水电能源科学, 2022, 40(05): 46-49.

• 林村河
• 水质指数
• 集成机器学习
• 预测

水质指数(WQI)是评价地表水水质最常用的指标。传统的WQI计算费时，且在派生子指数时常常产生错误。对此，使用4种独立算法(随机森林(RF)、额外树回归(ETR)、梯度提升回归(GBR)、XGBoost)和5种新的混合集成算法(Adaboost+RF、Adaboost+ETR、Adaboost+GBR、Adaboost+XGBoost及Stacking混合模型)来预测香港林村河的WQI值。收集香港大埔区下游TR-12监测站1987～2019年的数据，利用Pearson相关系数构建11个不同的输入参数组合，将数据按7∶3分为训练数据集、测试数据集两组，使用5种统计和视觉评价指标评价模型。结果表明，生化需氧量(BOD)和化学需氧量(COD)对WQI值的预测影响最大，Stacking混合模型的性能最优。

• 单位
  东北林业大学