排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
随机森林理论是近年来快速发展的一种人工智能集成学习算法,由于其对数据系列中异常值的容忍度较高,且预测结果准确度显著高于其他常用算法,在以水文地质领域为代表的自然科学研究中的应用越来越广泛.本文在介绍随机森林算法理论和应用方法的基础上,结合国外内已有研究成果,分析其在地下水潜力评估、地表水-地下水转化、地下水水质评价和地下水污染预测等水文地质领域的应用效果,对随机森林理论在水文地质领域的应用前景和进一步发展的方向进行了讨论.结果表明,随机森林理论可以有效解决水文地质领域研究中的参数和过程不确定性问题,在水文地质结构精确刻画、水文地质参数准确反演、水文地质过程的描述均具有广阔的应用前景. 相似文献
2.
为了解决流域水环境风险诊断过程中污染来源不清、污染贡献难以量化等问题,提出了一种基于贝叶斯网络拓扑结构的污染源追责量化方法.该方法首先通过互信息的计算实现流域水环境典型污染物的准确识别,在此基础上通过贝叶斯网络拓扑结构分析与启发式搜索算法快速辨析流域内典型污染来源及其污染贡献.本次选取吉林省饮马河流域2017~2020年水质监测数据进行分析.结果表明,氨氮为流域内的典型污染物;靠山南楼、靠山大桥、刘珍屯3个站点的污染来源分别为:杨家崴子、新立城大坝、砖瓦窑桥.其中靠山南楼有63%的污染来源于杨家崴子,靠山大桥有30%的污染来源于新立城大坝,刘珍屯有75%的污染来源于砖瓦窑桥.本次评估方法的构建可为流域水环境风险溯源及污染责任认定提供技术支撑. 相似文献
3.
1