基于集成学习的海勃湾水库出库泥沙预测研究

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于集成学习的海勃湾水库出库泥沙预测研究

泥沙 | 更新时间：2026-02-25

- 基于集成学习的海勃湾水库出库泥沙预测研究
- 基于集成学习的海勃湾水库出库泥沙预测研究
- 水电能源科学 2025年第4期页码：98-101+79
- 作者机构：
  
  1. 黄河水利委员会黄河水利科学研究院
  2. 水利部黄河下游河道与河口治理重点实验室
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2021YFC3200400);国家自然科学基金项目(U2243241,U2243236,U2243601);中央级公益性科研院所基本科研业务费专项项目(HKY-JBYW-2024-13,HKY-JBYW-2024-20,HKY-JBYW-2024-21,HKY-JBYW-2024-22)
- DOI：10.20040/j.cnki.1000-7709.2025.20240503
  中图分类号： TP181;TV145
- 纸质出版：2025
- 稿件说明：
移动端阅览
郭秀吉, 孙龙飞, 王远见, 等. 基于集成学习的海勃湾水库出库泥沙预测研究[J]. 水电能源科学, 2025,(4):98-101+79.

郭秀吉, 孙龙飞, 王远见, et al. 基于集成学习的海勃湾水库出库泥沙预测研究[J]. 2025, (4): 98-101+79.
郭秀吉, 孙龙飞, 王远见, 等. 基于集成学习的海勃湾水库出库泥沙预测研究[J]. 水电能源科学, 2025,(4):98-101+79. DOI： 10.20040/j.cnki.1000-7709.2025.20240503.

郭秀吉, 孙龙飞, 王远见, et al. 基于集成学习的海勃湾水库出库泥沙预测研究[J]. 2025, (4): 98-101+79. DOI： 10.20040/j.cnki.1000-7709.2025.20240503.

针对水库排沙影响因素众多、非线性关系复杂、难以精准预测等问题，以海勃湾水库为研究对象，采用2014～2020年进出库水沙系列数据，构建了基于集成树框架的RF、XGBoost出库含沙量预测模型，并与传统KNN、DT算法进行了拟合性能对比。结果表明，入库流量Q

、入库含沙量S

、进出库水位差ΔZ、坝前水位差ΔH是影响海勃湾水库排沙的主要因素；不同机器学习算法应用于水库排沙预测均是有效的，相比于KNN、DT算法，集成树模型拥有更好的拟合性能；基于Boosting算法的XGBoost模型各项预测指标最佳，在应对样本随机性和非一致性方面展现出良好的拟合稳定性及泛化能力。

董庆豪,孙龙飞,王远见,赵万杰.黄河下游河道悬沙与床沙粒径智能预测研究[J].人民黄河,2024(02).

王克志,刘晓民,刘廷玺,杨耀天,罗强.海勃湾水库排沙效果及影响因素[J].中国沙漠,2023(05).

颜小飞,郭秀吉,孙龙飞.基于机器学习算法的万家寨水库排沙预测研究[J].水电能源科学,2023(03).

孙龙飞,郭秀吉,王婷,颜小飞,王子路,王远见.调水调沙期小浪底水库出库泥沙组分估算研究[J].人民黄河,2022(08).

吴保生,郑珊,沈逸.三门峡水库冲淤与“318运用”的影响[J].水利水电技术,2020(11).

浏览量

120

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于模态重构与TCN-KAN的大坝变形预测模型

海勃湾水库排沙方式优化研究

钢筋混凝土中的振捣棒作用半径预测

黑河流域讨赖河段水质参数及强相关因子特征研究

微咸水条件下微压过滤冲洗池的水头损失试验与预测模型