林泳恩，杜 懿，孟 越，解河海，王大刚

（1.中山大学地理科学与规划学院，广州510000；2.珠江水利委员会珠江水利科学研究院，广州510000）

0 引 言

准确可靠的短期径流预报对制定防洪减灾应急计划，保障人民生命财产安全具有重要的战略意义和应用价值。随着我国当前水利信息化的大力推进，水文数据的数据量呈现出指数级的增长趋势［1，2］。在如今这个大数据时代，基于数据挖掘技术，从历史经验与海量气象水文数据中提取数据的深度价值，是水文预报发展的一个重要方向［3］。

机器学习是一门研究计算机如何效仿人的学习行为来取得新的知识和技能的学科。机器学习算法可以从数据中自动分析获得规律，并利用规律对未知数据进行预测，因此被广泛应用于数据挖掘、计算机视觉、生物特征识别、网络安全、市场规律分析等领域［4-7］。基于大数据的机器学习能够在不考虑流域汇流过程、下垫面变化、人类活动影响等复杂因素的前提下，构建径流预测黑箱模型，实现对未来河道水量的高效预测。

机器学习中的不少智能算法已广泛应用于水文领域中，比如入库流量预测［8］、地下水预测［9］、水质预测［10］等。关于短期径流预报的文章也有不少［11-15］，但在这些研究中，往往只是建立单一的预报模型，准确率与稳定性均有待提升。集成学习基于博采众长的思想，通过构建并结合多个机器学习器来完成学习任务，能够有效防止过拟合和欠拟合问题的发生，从而改善预测效果。……