基于尺度特征融合的随机森林日供水量预测模型

摘要

针对日供水量时间序列的非平稳性和耦合特征的复杂性,引入小波分解技术和随机森林回归模型,构建了基于尺度特征融合的随机森林模型(SF-RF)。首先,使用离散小波变换将单一尺度的原始时间序列分解为低、高频尺度的特征序列,提取耦合特征的多尺度信息;然后,使用随机森林回归模型拟合不同尺度特征;最后,线性融合各尺度的拟合结果获得总预测值。其中频率最高的尺度特征不参与预测。与单一RF模型、前馈神经网络(FFNN)和融合模型SF-FFNN相比,SF-RF模型具有最高的相关系数0.913和最低的标准均方差0.056,具有最高的预测精度,可用于城市日供水量预测。