武汉大学夏军团队ESE:基于稀疏数据集的水质预测新方法——机器学习模型的创新应用
环境人Environmentor
2025-11-29 11:41
文章摘要
本文针对全球水资源紧张背景下地表水体污染问题,聚焦数据匮乏地区的水质监测挑战,提出一种结合长短期记忆网络与负荷估算器的SA-LSTM-LOADEST机器学习模型。研究以洞庭湖与长江交汇处为案例,使用周频水质数据验证模型性能,发现该模型在化学需氧量和氨氮预测中表现最优,能有效捕捉污染峰值并适应不同数据稀疏度。结论表明该方法为数据稀缺地区提供了低成本高精度的水质预测方案,并具备提前10天预警能力,对全球水质管理具有推广价值。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。