主管单位:吉林省科技厅
主办单位:吉林省科学技术信息研究所
合作单位:吉林省科学技术情报学会

农业与技术 ›› 2022, Vol. 42 ›› Issue (23): 102-105.DOI: 10.19754/j.nyyjs.20221215024

• 资源环境 • 上一篇    下一篇

基于机器学习的回归模型预测对比

宋敬茹 杨晓芜   

  1. 华北理工大学矿业工程学院,河北唐山063210
  • 出版日期:2022-12-15 发布日期:2022-12-15
  • 作者简介:宋敬茹(1997-),女,硕士在读。研究方向:生态遥感。
  • Online:2022-12-15 Published:2022-12-15

摘要: 为解决各类数据预测方法复杂的问题,探讨不同预测模型的适用性,基于66个气象站数据和对应的经度、纬度、海拔数据,利用R软件采用支持向量回归(SVR)、随机森林回归(RFR)以及增强回归树(BRT)3种预测的常用机器学习算法建立回归模型,多个角度出发分别利用模型回归结果图和Adjusted-R、RMSE及PD值进行模型回归分析评定对比并比较不同模型的预测效能,得到最优的机器学习回归模型。多种算法的预 测结果对比可知,RFR算法得到的回归预测结果中,Adjusted-R2值高达0.92,RMSE值为2.35,RPD值达到了3.61;最终确定基于RFR算法的回归模型能够较好地对降雨量数据进行预测,并能够为进一步深切探讨回归分析的相关算法提供必要的参考

关键词: 机器学习;回归模型;预测;对比

中图分类号: