文献类型：期刊文章

作　　者：杜尚海[1,2,3] 古成科[1] 张文静[2,3]

DU Shang-hai;GU Cheng-ke;ZHANG Wen-jing(College of Construction Engineering,Jilin University,Changchun 130021,China;Key Laboratory of Groundwater Resources and Environment,Jilin University,Changchun 130021,China;College of New Energy and Environment,Jilin University,Changchun 130021,China)

机构地区：[1]吉林大学建设工程学院,吉林长春130021 [2]吉林大学地下水资源与环境教育部重点实验室,吉林长春130021 [3]吉林大学新能源与环境学院,吉林长春130021

出　　处：《中国环境科学》

基　　金：国家重点研发计划项目(2019YFC1804804)。

年　　份：2022

卷　　号：42

期　　号：9

起止页码：4285-4295

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：随机森林理论是近年来快速发展的一种人工智能集成学习算法,由于其对数据系列中异常值的容忍度较高,且预测结果准确度显著高于其他常用算法,在以水文地质领域为代表的自然科学研究中的应用越来越广泛.本文在介绍随机森林算法理论和应用方法的基础上,结合国外内已有研究成果,分析其在地下水潜力评估、地表水-地下水转化、地下水水质评价和地下水污染预测等水文地质领域的应用效果,对随机森林理论在水文地质领域的应用前景和进一步发展的方向进行了讨论.结果表明,随机森林理论可以有效解决水文地质领域研究中的参数和过程不确定性问题,在水文地质结构精确刻画、水文地质参数准确反演、水文地质过程的描述均具有广阔的应用前景.

关 键 词：人工智能 随机森林  地下水 地表水-地下水转化  地下水水质评价 地下水污染预测  

分 类 号：X523] P641]