1. 江西省科学院微生物研究所
2. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室
3. 烟台理工学院人工智能学院
Published:2023
移动端阅览
刘丽贞, 黄琪, 迟殿委, et al. 基于随机森林回归模型和高频数据的鄱阳湖子湖电导率预测[J]. 2023, (10): 50-53.
DOI:
刘丽贞, 黄琪, 迟殿委, et al. 基于随机森林回归模型和高频数据的鄱阳湖子湖电导率预测[J]. 2023, (10): 50-53. DOI: 10.20040/j.cnki.1000-7709.2023.20222548.
电导率是衡量水质的重要参数,高频监测获取水体中电导率对水质管理具有重要作用。由于野外条件的变化复杂性引起设备故障导致数据缺失时有发生,为优化野外监测体系和插补缺失数据,基于高频监测获取的气象和水体物理指标,结合机器学习模型,预测水体中电导率值。结果表明,随机森林回归模型预测效果最优,其决定系数R
2
可达0.996
均方根误差R
RMSE
为1.31μS/cm
平均相对误差M
MRE
为0.38%;pH值贡献率最大,是影响电导率的主导因素。研究结果利于优化野外高频监测系统平台,健全高频监测数据,为水质管理提供科学依据。
莱州湾南岸典型剖面地下水位和电导率动态变化特征及预测[D]. 董凡.吉林大学,2022(11)
南昌市新城区大气降水的化学特征与环境指示意义[D]. 周熤.南昌大学,2014(02)
基于集成学习的大西洋热带海域黄鳍金枪鱼渔情预报[J]. 宋利明;任士雨;张敏;隋恒寿.中国水产科学,2021(08)
基于物联网和LSTM的柑橘园土壤含水量和电导率预测模型[J]. 高鹏;谢家兴;孙道宗;陈文彬;杨明欣;周平;王卫星.华南农业大学学报,2020(06)
太湖不同介质电导率时空变化特征[J]. 王瑞;代丹;张弛;邓义祥;何成达;于涛.环境科学,2019(10)
尼洋河流域不同水体电导率变化特征及影响因素[J]. 张涛;李颖智;蔡五田;耿婷婷;张智印;边超;赵淼;蔡月梅.干旱区资源与环境,2018(04)
基于支持向量机的黄东海富营养化快速评价技术[J]. 孔宪喻;苏荣国.中国环境科学,2016(01)
基于野外数据建立大型底栖动物电导率水质基准的可行性探讨[J]. 张远;丁森;赵茜;高欣;赵瑞;孟伟.生态毒理学报,2015(01)
江西省酸雨特征分析及预测模型[J]. 陈梦成;罗晶;许开成.环境科学与技术,2014(10)
水质电导率的测量原理分析及方法介绍[J]. 姬忠勇.科技信息,2013(10)
支持向量机在太湖叶绿素a非线性反演中的应用[J]. 张玉超;钱新;钱瑜;刘建萍;孔繁翔.中国环境科学,2009(01)
苦草对水中环境因子影响的日变化特征[J]. 王传海;李宽意;文明章;刘正文.农业环境科学学报,2007(02)
江西省严重酸雨地带形成的影响因素[J]. 何纪力,陈宏文,胡小华,陈凯.中国环境科学,2000(05)
鄱阳湖水温时空变化规律分析[J]. 徐火生;汪泽培.水文,1989(06)
Use of conductivity to indicate long-term changes in pollution processes in Lake Taihu, a large shallow lake.[J]. Wu Tianhao;Zhu Guangwei;Zhu Mengyuan;Xu Hai;Zhang Yunlin;Qin Boqiang.Environmental science and pollution research international,2020
0
Views
376
下载量
1
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution