基于随机森林的水质监测指标预测OA
通过采集2020年6月至2021年6月南京市秦淮新河代表站的DO、WT、pH、COD、NH3-N、TUR 6类水质监测指标数据,利用Pearson相关系数对监测指标间的相关程度进行分析,从而得到各监测指标间的相关系数,进一步通过多元线性回归算法得到高度相关的参数指标间的统计关系,利用回归方程的形式表示监测变量间的因果关系,最后通过随机森林算法利用水质监测中的自变量指标实现对因变量指标的预测,达到减少监测项目从而降低监测成本的目的。研究结果表明因变…查看全部>>
李旭杰;史灵;花思洋;孙颖;黄凤辰
河海大学海洋与近海工程研究院,江苏南通226300 河海大学计算机与信息学院,江苏南京210098河海大学计算机与信息学院,江苏南京210098 钛能科技股份有限公司,江苏南京211806钛能科技股份有限公司,江苏南京211806河海大学计算机与信息学院,江苏南京210098 江苏开放大学信息工程学院,江苏南京210017河海大学计算机与信息学院,江苏南京210098
资源环境
Pearson相关系数多元线性回归算法随机森林模型秦淮新河
《江苏水利》 2022 (5)
P.6-10,5
评论