基于SparkR的人工水体藻类建模预测

作者：秦业海; 李修华; 艾矫燕; 付旭生; 林春焕

来源：环境与发展, 2019, 31(04): 130-132.

DOI：10.16647/j.cnki.cn15-1369/X.2019.04.082

• 藻类生长模型
• SparkR
• Adaptive-Lasso
• GBTs

为探究水质分析与大数据技术结合的可行方案,以MySQL+Hive+SparkR为主体框架搭建一整套从数据输入、存储、调度到应用的SparkR水质分析平台。设置室内培养模拟人工湖藻类生长实验组及其重复实验组,监测各项指标数据,通过SparkR平台,在本地应用Adaptive-Lasso算法识别出对照组和苦草组藻类生长主要影响因子,并建立回归方程进行验证,在集群分布式部署GBTs藻类预测模型,经重复试验验证预测模型未来3天的相对误差均值分别为15.3%、14.8%。

• 单位
  广西大学