TY-JOURA2-Afan、HaithamAU-Shaofu、MaAU-Al-Uboori、Anas MahmoodAU-Alwan、Asmaa HusseinAU-Abdel-SalamPY - 2021DA - 202107TI-使用机器学习模型SP-3721661VL-2021AB-流出与多源非静止相关联,开发机器学习模型总是提供可靠方法理解流流实际机制的动机当前研究致力于从年度流出生成月流在这次研究中应用了三种不同的ML模型,包括多增回归树、GMDH和Gene表达式编程模型开发基于伊拉克北部地区三大河流(即上Zab河、下Zab河和Diyala河)的年度流和月时索引建模结果显示,用年度流时序列生成月流时间序列是一个乐观模拟MART模型的潜力优于GMDH和GEP上Zab河模型 R ²0.84、0.64和0.47下扎布河 R ²0.75、0.46和0.40和迪亚拉河 R ²0.78、0.42和0.5)RMSE结果为113、169和208上Zab河,95、149和0.5下Zab河,73、118和109Diyala河结果证明有可能改变生成流数据的时间尺度SN-1076-2787UR-https://doi.org/101155/2021/3721661DO-10.1155/2021661JF-复杂性PB-HindawiKW-ER