分享一篇新鮮論文：2024年，西安理工大學西北旱區生態水利國家重點實驗室等單位在《Journal of Hydrology》發表論文《基于機器學習的華北流域水流歷時曲線與降水歷時曲線關聯關系》。

影響因子超過5哦！

先別困，我給你翻譯~

在水資源利用及減災防災中，河流的流量是重要數據，專業稱呼流量持續曲線（FDC）。

有的河流容易測量，設個水文站就能知道FDC。但總有一些河流生性叛逆，讓你無法設立水文站，那么此時就要想辦法盡量準確地預測其FDC。

畢竟人命的事，馬虎不得。

很顯然了，下雨影響甚至決定河流的水位，即FDC的核心影響因素就包括當地的降雨量，專業稱呼降水持續曲線（PDC）。

因此，基于PDC來預測FDC就順理成章水到渠成了。明白了吧？

可怎么預測呢？

2024年的諾貝爾物理和化學獎暗示了：交給AI。

AI預測的核心有兩個，一個是原始數據，一個是訓練模型，缺一不可。

在本論文中，原始數據是皇甫川河、賈魯河、大理河等7條河流在1960—2010年這50年間水文站辛苦收集的流量數據，及流域內63個氣象站在這50年里辛苦采集的氣象數據。

訓練模型，用的工具是南京天洑軟件公司的智能數據建模軟件DTEmpower。是的你沒看錯，正是我司的！

展（無）開（聊）說，模型訓練過程分別基于對數正態函數分布、廣義帕累托分布和H2018模型三種函數形式，擬合算法采用了DTEmpower內置的隨機森林、多項式、K近鄰回歸和多層感知器四種機器學習算法。

訓練完成后，再采用納什效率系數（Nash efficiency coefficient）等多個參數對模型的準確性進行評判。

明白了吧？別緊張，不明白沒事（我也不懂。

最終論文得出結論：利用隨機森林算法訓練的H2018模型，性能優異（superior performance），即可利用降水數據預測同區域的河流流量。

是不是不！明！覺！厲！

包括水利行業在內的各行各業，無時無刻不在產生數據。俗話說數據是天數據是地，數據是個大金礦，如何從或微量或海量的數據中挖掘價值，就很考驗技術人員的智慧了。

我司的DTEmpower就是一把金鏟鏟。別擔心不會用，圖形化、零編碼建模，拖拽、拉線就完事了。

數據清理、特征生成、敏感性分析和模型訓練等各環節都有豐富的AI算法，零基礎小白也能快速挖掘得到優秀漂亮的數據模型。

軟件開發不容易，同事們熬夜加班更不容易，頭發都快沒了。

但談錢實在傷感情，你免費拿去用吧……唉。

到天洑軟件官網下載，自帶一個月免費試用。到期之后不好用，刪了就是。

要是它真的好用，幫你挖到了金，我們再談傷感情的事也不遲。