摘要：提出一種基于隨機(jī)漂移粒子群(RDPSO)算法優(yōu)化的隨機(jī)森林(RF)預(yù)測(cè)方法,利用RDPSO算法優(yōu)化RF決策樹(shù)數(shù)量和分裂屬性個(gè)數(shù)兩個(gè)關(guān)鍵參數(shù),構(gòu)建RDPSO-RF預(yù)測(cè)模型,并與基于RDPSO算法優(yōu)化的支持向量機(jī)(SVM)、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型作對(duì)比,以某水文站枯水期1~3月月徑流預(yù)測(cè)為例,利用實(shí)例前43年和后10年資料對(duì)3種模型進(jìn)行訓(xùn)練和預(yù)測(cè).結(jié)果表明,RDPSO-RF模型對(duì)實(shí)例1~3月月徑流訓(xùn)練、預(yù)測(cè)的平均相對(duì)誤差絕對(duì)值分別為4.28%、3.88%、5.67%和3.74%、4.57%、4.88%,訓(xùn)練、預(yù)測(cè)精度均優(yōu)于RDPSO-SVM、RDPSO-BP模型,具較好的預(yù)測(cè)精度和泛化能力,可為相關(guān)預(yù)測(cè)研究提供參考和借鑒.