波波娜水库实测水沙序列短、缺测时段长，受上游水库调蓄扰动，水沙关系复杂，传统方法难以满足入库含沙量预报精度要求。为此，构建了波波娜水库高精度入库含沙量预测模型，提升预测精度。采用随机森林算法（RF）构建模型，基于波波娜水库2016～2024年逐日入库流量及含沙量数据，定义排沙因子以量化上游排沙事件的影响，选取坝前水位、水位变化、入库流量等为输入变量，用网格搜索法优化模型参数，以绝对平均误差M

MAE

、均方根误差R

RMSE

、决定系数R

2

评估模型性能。结果表明，引入排沙因子的RF模型（模型A）效果突出，相比未引入该因子的模型（模型B）

R

2

从0.846升至0.966

R

RMSE

、M

MAE

大幅降低，M

MAE

降至0.608 kg/m

3

;与GA-BP、PSO-BP模型对比，RF模型在精度、稳定性上优势明显；经2019～2020年长时间序列验证，模型A的R

2

达0.908

泛化能力强。可见，RF模型适用于缺资料区水库入库含沙量预测，引入上游调度信息可提升预测精度，为复杂水沙关系预测提供了可靠方法，有助于合理安排排沙，提高水库运行效率与安全性。