机器学习模型在地下水埋深模拟中的适应性分析

作者：牛欣怡; 鲁程鹏^*; 卢佳赟; 吴成城; 刘波; 束龙仓

来源：河海大学学报(自然科学版), 2022, 50(04): 74-82.

• 机器学习
• 地下水埋深
• 支持向量机
• 长短期记忆神经网络
• 循环神经网络
• 京津冀

基于京津冀气象、社会资料及地下水埋深数据，构建支持向量机(SVM)、循环神经网络(RNN)和长短期记忆神经网络(LSTM)模型对京津冀地区13个城市地下水埋深进行了模拟，并以确定系数、均方根误差、平均绝对百分比误差、纳什系数对3个模型的适应性进行了评价。结果表明：LSTM模型模拟效果最好，其次是RNN,SVM最差；不同城市基于LSTM模型进行地下水埋深模拟时参数调整最少，适应性最好，SVM模型参数调整最多。将3个模型应用于随机选择的6个测站进行验证，在华北地区浅层地下水埋深模拟方面，LSTM模型模拟精度和可信度最好，适应性最强，是该地区地下水埋深模拟的首选机器学习模型。

• 单位
  河海大学