文章題目:基于大數(shù)據(jù)技術(shù)的太湖藻華暴發(fā)風(fēng)險(xiǎn)預(yù)判預(yù)警
作者姓名:吳娟,金松,林荷娟
作者單位:太湖流域管理局水文局(信息中心)上海 200434
摘要:基于支持向量機(jī)(SVM)、長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)(LSTM)、極端梯度提升樹(XGBoost)、多元線性回歸(Linear)、輕量級(jí)梯度提升器(LightGBM)與貝葉斯模型(BMA)等機(jī)器學(xué)習(xí)方法,本研究構(gòu)建了太湖藻華暴發(fā)面積短期預(yù)測(cè)模型,利用事理圖譜構(gòu)建了太湖藻華暴發(fā)風(fēng)險(xiǎn)影響機(jī)制。結(jié)果表明:全太湖的XGBoost、LightGBM、BMA模型,貢湖的BMA、XGBoost模型,南部沿岸區(qū)的XGBoost模型,中西北湖區(qū)BMA、LightGBM模型率定期與驗(yàn)證期模擬效果較好。與傳統(tǒng)藻華機(jī)理模型相比,基于大數(shù)據(jù)技術(shù)的太湖藻華暴發(fā)風(fēng)險(xiǎn)預(yù)判預(yù)警模型在精度提高的同時(shí),效率提高了3~5倍,并在太湖水生態(tài)環(huán)境質(zhì)量改善和2020—2022年應(yīng)急調(diào)水中發(fā)揮了重要作用。
關(guān)鍵詞:太湖;藻華暴發(fā);機(jī)器學(xué)習(xí);事理圖譜;風(fēng)險(xiǎn)預(yù)判預(yù)警
北京沃特咨詢有限公司 版權(quán)所有 京ICP備12020777號(hào) 客服熱線:010-85763025
地址:北京市西城區(qū)白廣路北口水利綜合樓
E-mail:szy@sinowbs.org Copyright ?2012-2025 All rights Reserved
掃碼關(guān)注
水利水務(wù)網(wǎng)