基于机器学习的水库溶解氧预测模型比较研究OA北大核心
快速精准预测低氧发生对维持水生生态系统的健康有着重要意义,利用皮尔逊相关性分析和最大信息系数两种方法,依据闽江上游水口水库典型渔业养殖区G1、G2和Z1点位2021年3月至2022年3月的数据,从多个水质、气象和水文参数中筛选出影响溶解氧的关键驱动因子。基于机器学习算法,构建了独立BP、皮尔逊相关性-BP、MIC-BP和MIC-SVR等溶解氧预测模型,对比分析了各模型的预测结果。结果表明:电导率、水温、pH、叶绿素a和水位是影响溶解氧的5个主要因…查看全部>>
张鹏;梅书浩;石成春;卓越;李佳昊;宋刚福
华北水利水电大学环境与市政工程学院,河南郑州450046华北水利水电大学环境与市政工程学院,河南郑州450046福建省环境科学研究院,福建福州350013华北水利水电大学环境与市政工程学院,河南郑州450046华北水利水电大学环境与市政工程学院,河南郑州450046华北水利水电大学环境与市政工程学院,河南郑州450046
环境科学
水库溶解氧相关性分析最大信息系数BP神经网络支持向量回归
《华北水利水电大学学报(自然科学版)》 2025 (1)
P.87-95,9
河南省科技攻关项目(222102320023)2022年科技协同创新专项(61352)华北水利水电大学高层次人才科研启动项目(40768)。
评论