基于Stacking集成机器学习的银川平原地下水位动态预测
丁朋朋1
王苏桐1
郭政1
杨熙1
唐利君2
关红3
1.宁夏大学 土木与水利工程学院,银川 750021;宁夏回族自治区黄河水联网数字治水重点实验室,银川 7500212.宁夏回族自治区国土资源调查监测院,银川 7500023.宁夏葡萄酒与防沙治沙职业技术学院,银川 750199
摘要：[目的]精准模拟与预测银川平原地下水位的动态变化.[方法]基于银川平原 33 a逐月地下水位、气温、降水量和蒸散发量的监测数据,采用偏自相关函数与时序互信息确定历史地下水位的最优滞后阶数,构建支持向量机回归(SVR)、随机森林(RF)、人工神经网络(ANN)、梯度提升决策树(GBDT)和极限梯度提升(XGBoost)地下水位动态预测的机器学习模型;在此基础上,以岭回归(Ridge)为元学习器,融合单一模型的预测结果,建立Stacking集成预测模型,开展银川平原地下水位动态预测.[结果]各监测井的历史地下水位最优滞后阶数介于6～8阶;集成模型预测性能显著优于 5种单一模型,平均决定系数(R2)、绝对误差(MAE)、均方根误差(RMSE)分别为0.933、0.357 m与 0.500 m,平均残差分布和平均残差均值分别为1.393 m和0.006 m.[结论]基于地下水位多阶滞后特征与 Stacking 集成策略构建的动态预测模型,可有效提升银川平原地下水位的预测精度与稳定性.
关键词：地下水位预测机器学习Stacking算法最优滞后银川平原
分类号：P641.2(水文地质学与工程地质学)
资助基金：国家自然科学基金(42307272)宁夏重点研发计划项目(2024BEG02005)宁夏教育厅高等学校科学研究项目(NYG-2024-380)
论文发表日期：2026-08-31
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 113-120 )
英文信息