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 CHI Dianwei;HUANG Qi;LIU Lizhen;FANG Chaoyang

作者机构：烟台理工学院人工智能学院山东烟台264005 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室江西南昌330022 江西省科学院江西南昌330096 

出 版 物：《人民长江》 (Yangtze River)

年 卷 期：2022年第53卷第6期

页      面：54-60页

学科分类：082803[工学-农业生物环境与能源工程] 08[工学] 0828[工学-农业工程] 0804[工学-仪器科学与技术] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江西省重点研发计划资助项目(20192ACB70014) 江西省青年重点基金资助项目(20192ACBL21022) 鄱阳湖湿地与流域研究教育部重点实验室开放基金资助项目(PK2019006) 

主　　题：溶解氧预测 PCA MIC LSTM 碟形湖 鄱阳湖 

摘      要：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,基于鄱阳湖典型碟形湖监测数据集,结合主成分分析法(PCA)、最大信息系数(MIC)和长短时记忆神经网络(LSTM)预测碟形湖DO含量的模型。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,平均绝对百分误差为0.301%;其中,PCA降噪处理比MIC特征提取更能影响LSTM模型预测的效果,可以显著降低误差率。研究的PCA-MIC-LSTM模型可为同类型湖泊水体保护工作的开展提供参考。