基于PCA-MIC-LSTM的碟形湖溶解氧含量预测模型研究

作者：迟殿委; 黄琪; 刘丽贞; 方朝阳

来源：人民长江, 2021, 1-8.

• 溶解氧预测
• 碟形湖
• PCA
• MIC
• LSTM

溶解氧浓度是湖泊生态健康评价中的关键指标，因浅水碟形湖的水文独特性，使得溶解氧（DO）愈加具有不稳定性和非线性特征。为准确预测碟形湖中的DO浓度，本研究基于鄱阳湖典型碟形湖监测数据集，提出基于主成分分析法（PCA）、最大信息系数（MIC）和长短时记忆神经网络（LSTM）相结合来预测碟形湖DO含量模型。结果表明，与支持向量回归（SVR）、LSTM模型相比，基于PCA-MIC-LSTM的模型预测精度显著提高，其确定系数高达0.99以上，均方根误差为0.039 mg/L，平均绝对百分误差0.301%。其中PCA降噪处理比MIC特征提取更能影响LSTM模型预测效果，可显著降低误差率。本研究PCA-MIC-LSTM模型可为该类型湖泊水体保护工作提供参考。

• 单位
  江西省科学院; 江西师范大学; 鄱阳湖湿地与流域研究教育部重点实验室