分享一篇新鲜论文：2024年，西安理工大学西北旱区生态水利国家重点实验室等单位在《Journal of Hydrology》发表论文《基于机器学习的华北流域水流历时曲线与降水历时曲线关联关系》。
影响因子超过5哦！
先别困，我给你翻译~
在水资源利用及减灾防灾中，河流的流量是重要数据，专业称呼流量持续曲线（FDC）。
有的河流容易测量，设个水文站就能知道FDC。但总有一些河流生性叛逆，让你无法设立水文站，那么此时就要想办法尽量准确地预测其FDC。
毕竟人命的事，马虎不得。
很显然了，下雨影响甚至决定河流的水位，即FDC的核心影响因素就包括当地的降雨量，专业称呼降水持续曲线（PDC）。
因此，基于PDC来预测FDC就顺理成章水到渠成了。明白了吧？
可怎么预测呢？
2024年的诺贝尔物理和化学奖暗示了：交给AI。
AI预测的核心有两个，一个是原始数据，一个是训练模型，缺一不可。
在本论文中，原始数据是皇甫川河、贾鲁河、大理河等7条河流在1960—2010年这50年间水文站辛苦收集的流量数据，及流域内63个气象站在这50年里辛苦采集的气象数据。
训练模型，用的工具是南京天洑软件公司的智能数据建模软件DTEmpower。是的你没看错，正是我司的！
展（无）开（聊）说，模型训练过程分别基于对数正态函数分布、广义帕累托分布和H2018模型三种函数形式，拟合算法采用了DTEmpower内置的随机森林、多项式、K近邻回归和多层感知器四种机器学习算法。
训练完成后，再采用纳什效率系数（Nash efficiency coefficient）等多个参数对模型的准确性进行评判。
明白了吧？别紧张，不明白没事（我也不懂。
最终论文得出结论：利用随机森林算法训练的H2018模型，性能优异（superior performance），即可利用降水数据预测同区域的河流流量。
是不是不！明！觉！厉！
包括水利行业在内的各行各业，无时无刻不在产生数据。俗话说数据是天数据是地，数据是个大金矿，如何从或微量或海量的数据中挖掘价值，就很考验技术人员的智慧了。
我司的DTEmpower就是一把金铲铲。别担心不会用，图形化、零编码建模，拖拽、拉线就完事了。
数据清理、特征生成、敏感性分析和模型训练等各环节都有丰富的AI算法，零基础小白也能快速挖掘得到优秀漂亮的数据模型。
软件开发不容易，同事们熬夜加班更不容易，头发都快没了。
但谈钱实在伤感情，你免费拿去用吧……唉。
到天洑软件官网下载，自带一个月免费试用。到期之后不好用，删了就是。
要是它真的好用，帮你挖到了金，我们再谈伤感情的事也不迟。
热门跟贴