基于空间相关性和神经网络模型的实时河流水质预测模型

作者：张阳; 冼慧婷; 赵志杰^*

来源：北京大学学报(自然科学版), 2022, 58(02): 337-344.

DOI：10.13209/j.0479-8023.2021.126

• 神经网络
• 实时水质预测
• 空间相关性
• 污染源解析

基于高频水质在线监测数据,利用水质数据的空间相关性构建神经网络模型实现对河流水质的实时预测。应用此模型对广州市白坭河流域的水质参数溶解氧和氨氮进行预测和分析,验证水质模型的效果。根据预测时间的不同,搭建6种水质预测模型,结果显示溶解氧提前6小时预测的模型具有更好的预测效果,氨氮提前24小时内预测的水质模型效果较好。训练较好的模型对溶解氧和氨氮实时水质预测的平均绝对误差分别为0.43和0.29mg/L,均方根误差分别为0.71和0.36mg/L。在95%置信度水平下,预测区间覆盖率分别为96.6%和97%。该模型可以作为水质异常事件的预警,同时可以借助模型对输入项的敏感性分析,进行污染源解析,帮助流域识别污染物主要来源。

• 单位
  北京大学; 广州市城市排水监测站; 环境科学与工程学院