基于LSTM与XGBoost算法的水沙预测模型的比较研究

摘要

从20世纪80年代开始开展水利信息化至今,水沙治理领域已经积累了大量的数据资源并且数据处理方式同以往相比已经有了许多新的突破,水沙大数据时代已经来临.本文在祖历河流域的水沙变化趋势预测中运用大数据技术,介绍了集成学习方法中最主要的两种算法:LSTM(长短期记忆算法)和XGBoost(梯度提升树算法),并比较两种算法在祖历河流域的水沙变化趋势预测分析中的性能,对比结果表明XGBoost算法在祖历河流域的水沙变化趋势预测分析中的性能要明显好于LSTM算法,通过大数据技术和水沙变化趋势预测分析建设关系的研究,对推进大数据技术在黄河流域水沙治理信息化建设具有一定的参考价值.