典型文献
基于GA优化的RF-Softmax水质预测模型研究
文献摘要：
针对水质检测周期长、成本高等问题,提出了基于遗传算法优化的RF-Softmax水质预测模型.采用机器学习的方法,使用随机森林算法进行特征选择建立水样本中氨氮、总磷2项水质参数与水质类别的数学关系模型方法对水质类别进行预测.采用遗传算法替代传统Softmax回归算法训练过程中使用的梯度下降法,解决了逻辑回归算法在目标函数不是严格凸函数的情况下,容易陷入局部最优解的问题.以江阴市南闸街道地区地表水作为研究对象进行验证,结果表明,使用GA优化的RF-Softmax回归模型预测的准确率最高,其预测正确率相比传统Softmax回归和BP神经网络分别提高11.73和8.40百分点,平均误差分别降低58.68％和34.92％,平均均方根误差分别降低39.02％和23.62％.优化效果显著,能够实现高效、准确、低成本、快速的地表水质预测,为水质监测与预警提供了新思路,对于水质管理与环境保护具有重大意义.
文献关键词：
水质预测;预测模型;遗传算法;Softmax回归;随机森林;机器学习
中图分类号：
作者姓名：
董陈超;田明昊;赵伟朝
作者机构：
河海大学商学院,江苏 常州 213022
文献出处：
引用格式：
[1]董陈超;田明昊;赵伟朝-.基于GA优化的RF-Softmax水质预测模型研究)[J].湖北农业科学,2022(07):60-65,82
A类：
B类：
GA,RF,Softmax,水质预测模型,水质检测,遗传算法优化,随机森林算法,特征选择,水样,氨氮,总磷,水质参数,水质类别,关系模型,模型方法,算法训练,训练过程,梯度下降法,逻辑回归算法,严格凸,凸函数,局部最优解,江阴市,市南,百分点,平均误差,优化效果,地表水质,水质监测,监测与预警,水质管理,护具
AB值：
0.347971
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
