17、智能城市中物联网技术助力城市排水系统设计

智能城市中物联网技术助力城市排水系统设计

1. 混合EDT模型

考虑到遗传编程（GP）的优势和决策树（DT）的局限性，研究将GP和DT相结合，以开发最终的沉积物沉积速度公式。通过这种方式，将GP计算得到的颗粒弗劳德数（Frcp）作为基于DT建模的辅助输入。

该EDT模型是一种混合进化模型，旨在微调从规范GP获得的DT输入。与单独的GP或DT通常通过增加树元素来提高最佳解决方案的预测准确性不同，该EDT模型将低复杂度的GP解决方案（Frcp）与非线性DT技术相结合。

模型包括以下三个阶段：
- 数据准备 ：使用众所周知的最小 - 最大归一化程序对输入参数（Cv、Dgr、d/R、λ）进行归一化。结果是得到范围在[0 - 1]内的无量纲输入，这是具有维度意识的GP解决方案所必需的。
- GP建模 ：进行遗传编程建模。
- DT映射 ：将反归一化的GP解决方案与相同的GP输入一起输入到DT中，以生成一组合适的预测模型，并限制最大允许树深度，以避免生成复杂模型。

2. 模型比较

将本研究开发的DT、GP和EDT模型与Mayerle等人、Ab Ghani和Vongvisessomjai等人的三个选定回归模型在测试数据集上进行了均方根误差（RMSE）和相关系数（CC）方面的比较，结果如下表所示：
| 方法 | RMSE | CC |
| — | — | — |
| 机器学习模型 | | |
| DT | 1.03 | 0.86 |
| GP | 0.96 |