基于机器学习的气象水质耦合预测模型研究

摘要： 为了更好地预测河流水质，以黑龙江省内16个水质监测站点的日尺度水质数据和日尺度气象站数据为基础，通过核主成分分析（KPCA）对水质数据的特征值进行提取并降维，采用斯皮尔曼相关性分析（Spearman）筛选强相关的气象因子，并将强相关气象因子和水质指数（WQI）作为模型输入数据，结合随机森林（RF）、多层感知机（MLP）、广义回归神经网络（GRNN）构建三种气象水质耦合预测模型，... （共7页）