DOAJ Open Access 2026

基于经典机器学习模型的河流重点水质预测

LÜ Ting XUE Qiong MIN Xinghua JIN Zhe

Abstrak

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。

Topik & Kata Kunci

Sewage collection and disposal systems. Sewerage Water supply for domestic and industrial purposes

Penulis (4)

LÜ Ting

XUE Qiong

MIN Xinghua

JIN Zhe

Format Sitasi

APA MLA BibTeX

Ting, L., Qiong, X., Xinghua, M., Zhe, J. (2026). 基于经典机器学习模型的河流重点水质预测. https://doi.org/10.15890/j.cnki.jsjs.2026.01.018

Akses Cepat

PDF tidak tersedia langsung

Cek di sumber asli →

Lihat di Sumber doi.org/10.15890/j.cnki.jsjs.2026.01.018

Informasi Jurnal

Tahun Terbit: 2026
Sumber Database: DOAJ
DOI: 10.15890/j.cnki.jsjs.2026.01.018
Akses: Open Access ✓