基于机器学习的水库溶解氧预测模型比较研究

作     者：张鹏 梅书浩 石成春 卓越 李佳昊 宋刚福 ZHANG Peng;MEI Shuhao;SHI Chengchun;ZHUO Yue;LI Jiahao;SONG Gangfu

作者机构：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 

出 版 物：《华北水利水电大学学报(自然科学版)》 (Journal of North China University of Water Resources and Electric Power:Natural Science Edition)

年 卷 期：2025年第46卷第1期

页      面：87-95页

学科分类：08[工学] 0815[工学-水利工程] 

基　　金：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) 

主　　题：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 

摘      要：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个主要因素;经过相关性分析筛选后,构建的预测模型性能得到提升,其中最大信息系数(MIC)法的筛选效率优于皮尔逊相关性法的;MIC-SVR模型是最优的溶解氧预测模型,其R 2均大于0.98,RMSE均小于0.56,MAE均小于0.28,可以将溶解氧的预测误差控制在±0.30 mg/L以内。该研究成果可为湖库低氧预测预警提供借鉴。