基于经典机器学习模型的河流重点水质预测
Abstract
近年来，水体污染问题日益突出，给河道环境造成巨大压力，故河道水环境破坏问题亟待解决。机器学习是一种基于大量监测数据的水质预测预警方法，是河道治理的新途径。【目的】本文旨在对比不同模型对不同水质指标的预测能力。【方法】本文以长江中下游平原某河流断面为例，首先通过显著性分析和主成分分析筛选出主要水质影响因子，随后根据自动监测站点数据选用支持向量机(SVM)和长短期记忆网络(LSTM)、门控循环单元(GRU)、时间卷积网络(TCN)神经网络模型对水质水平进行模拟。【结果】氨氮和溶解氧(DO)是筛选出的主要影响因子，4种模型对氨氮模拟的准确度高于DO。【结论】GRU模型对2种指标的模拟最具优势，SVM模型对氨氮和LSTM模型对DO水质模拟具有相对优势，而TCN模型对氨氮和DO的预测能力均相对较弱。
Fields of Study & Subjects
Hydrological Forecasting Using AI
Water Quality Monitoring and Analysis
Water Quality and Pollution Assessment
Publication details
- Journal / source
- DOAJ (DOAJ: Directory of Open Access Journals)
- Publication date
- 1 January 2026
- Language
- ZH