基于机器学习的深圳湾水质预报OA
Machine Learning-based Water Quality Forecasting for Shenzhen Bay
基于深圳湾浮标在线监测系统采集的高频监测数据,测试人工神经网络(Artificial Neural Network,ANN)、支持向量回归(Support Vector Regression,SVR)和随机森林(Rendom Forest,RF)等机器学习方法,对溶解氧(DO)、叶绿素a(Chl.a)、总氮(TN)和总磷(TP)等水质参数进行短期预报.研究结果表明:利用高频原位水质监测数据,机器学习可实现深圳湾24 h内水质的准确预报,其中,AN…查看全部>>
Based on high-frequency monitoring data collected by the buoy online monitoring system in Shenzhen Bay,machine learning methods including artificial neural networks(ANN),support vector regression(SVR),and random forest(RF)are employed to conduct short-term forecasting of water quality parameters such as dissolved oxygen(DO),chlorophyll-a(Chl.a),total nitrogen(TN),and total phosphorus(TP).The research findings indicate that utilizing high-frequency in-situ wa…查看全部>>
熊剑智;熊睿;鲁海燕;郑一
生态环境部珠江流域南海海域生态环境监督管理局生态环境监测与科学研究中心,广东 广州 510611南方科技大学环境科学与工程学院,广东 深圳 518055||水利部粤港澳大湾区水安全保障重点实验室,广东 广州 510611南方科技大学环境科学与工程学院,广东 深圳 518055南方科技大学环境科学与工程学院,广东 深圳 518055
水利科学
水质预报机器学习深圳湾
water quality forecastingmachine learningShenzhen Bay
《人民珠江》 2024 (7)
10-18,9
水利部粤港澳大湾区水安全保障重点实验室开放基金资助项目(WSGBA-KJ202304)
评论