基于可解释性机器学习算法的珠江河口区咸潮上溯预报

祝雨珂; 易晶晶; 刘培霖; 刘丙军

doi:10.20040/j.cnki.1000-7709.2025.20242273

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 >

基于可解释性机器学习算法的珠江河口区咸潮上溯预报

水文水资源与环境 | 更新时间：2025-10-31

- 基于可解释性机器学习算法的珠江河口区咸潮上溯预报
- 暂无标题
- 水电能源科学 2025年43卷第10期页码：18-22
- 作者机构：
  
  1. 中山大学土木工程学院
  2. 广东省水文局佛山水文分局
  3. 中山大学水资源与环境研究中心
- 作者简介：
- 基金信息：
  
  国家重点研发计划(2024YFC3212000);广东省水利科技创新项目(2023-01);广东省科技计划项目(2024B1212040001);国家自然科学基金项目(51879289)
- DOI：10.20040/j.cnki.1000-7709.2025.20242273
  中图分类号： P731.34
- 纸质出版：2025
- 稿件说明：
移动端阅览
祝雨珂, 易晶晶, 刘培霖, 等. 基于可解释性机器学习算法的珠江河口区咸潮上溯预报[J]. 水电能源科学, 2025,43(10):18-22.
祝雨珂, 易晶晶, 刘培霖, 等. 基于可解释性机器学习算法的珠江河口区咸潮上溯预报[J]. 水电能源科学, 2025,43(10):18-22. DOI： 10.20040/j.cnki.1000-7709.2025.20242273.

DOI：

摘要

为有效应对珠江河口区咸潮上溯日趋加重的问题，利用磨刀门水道逐时观测数据，基于梯度提升决策树(GBDT)、极端梯度提升(XGBoost)、轻量级梯度提升(LightGBM)、类别提升(CatBoost)模型框架，结合可解释性的SHAP模型进行咸潮上溯逐时预报。结果表明，4种机器学习算法模型均具有较好的预报效果，其中CatBoost模型表现最好，24 h预见期模型纳什效率系数为0.738 5;基于SHAP模型特征重要性排序进一步优选输入因子，可以提高模型精度，优化后的CatBoost模型纳什效率系数、相关系数分别提升了0.30%、0.13%;对咸潮上溯预报不同特征进行SHAP分析可提高模型可解释性，分析发现盐度特征对咸潮上溯预报呈线性正相关影响，单一特征的SHAP分布图散点的分布越集中，特征重要性越大。

Abstract

关键词

Keywords

references

王艺霖,苏程佳,陈晓宏,王佳雯.磨刀门水道枯水期咸潮变化趋势及成因[J].水资源保护,2019(02).

陈文龙,邹华志,董延军.磨刀门水道咸潮上溯动力特性分析[J].水科学进展,2014(05).

周凡涵,刘丙军,胡家昱,杨芳,万东辉,胡晓张.基于人工神经网络的河口区盐水入侵预报研究[J].水文,2020(06).

陈文龙,刘万根,张康,王凌河.粤港澳大湾区水资源安全战略思考[J].中国水利,2022(05).

林中源,黄鹏飞,吕超寅,史海匀,邹华志.珠江河口磨刀门水道枯季咸潮预报模型研究[J].中国防汛抗旱,2023(06).

陈致远,吴敬文,乔红杰,陈鹤翔,金光球.极端干旱下长江口咸潮入侵成因及压咸补淡措施[J].人民长江,2024(06).

周佳佳.珠江口咸潮影响下供水安全应对策略研究[J].水上安全,2024(19).

浏览量

267

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

大型水轮发电机定子绕组温度智能预测方法

基于Stacking集成框架的预报降水统计后处理研究

基于BP神经网络的易贡藏布河流含沙量预测模型研究

基于机器学习的梅雨分型及其降水量预测研究

基于机器学习模型的河道水位预测方法及其应用