18、机器学习在水位预测中的应用与性能分析

机器学习在水位预测中的应用与性能分析

1. 中期水位预测情况

在水位预测中，随着预测时间范围的延长，预测准确性会显著降低。以7天和10天的水位预测为例，其准确性明显不如短期预测。这与2天和3天的预测情况类似，中期预测水位的峰值与降雨预测的峰值相关。

造成中期预测误差较大的原因主要有两个方面：一是用于预测的降雨预报本身存在误差；二是每个预测时间步的误差会不断累积和传播。7天和10天的中期预测的均方根误差（RMSE）分别为0.069米和0.094米，决定系数（R²）分别为0.94和0.89。尽管对后两个峰值存在一定的过度预测，但预测结果仍保留了实测数据的总体模式。

以7天水位预测为例，部分峰值的预测情况如下：
| 日期 | 实测降雨(mm) | 预测降雨(mm) | 实测水位(m) | 预测水位(m) | 峰值 |
| ---- | ---- | ---- | ---- | ---- | ---- |
| 37 | 0.0 | 0.0 | 1.49 | 1.49 | 1 |
| 38 | 19.6 | 5.3 | 1.63 | 1.51 | |
| 39 | 18.0 | 1.9 | 1.65 | 1.54 | |
| 40 | 0.0 | 0.6 | 1.65 | 1.6 | |
| 76 | 0.0 | 1.1 | 1.33 | 1.36 | 2 |
| 77 | 25.9 | 4.6 | 1.58 | 1.38 | |
| 78 | 4.3 | 19.1 | 1.59 | 1.65 | |
| 79 | 0.0 | 21.4 | 1.58 | 1.53 | |
| 80