基于大数据技术的太湖藻华暴发风险预判预警

时间：2024-11-04 来源：

分享到：

文章题目：基于大数据技术的太湖藻华暴发风险预判预警

作者姓名：吴娟，金松，林荷娟

作者单位：太湖流域管理局水文局（信息中心）上海 200434

摘要：基于支持向量机（SVM）、长短时记忆神经网络（LSTM）、极端梯度提升树（XGBoost）、多元线性回归（Linear）、轻量级梯度提升器（LightGBM）与贝叶斯模型（BMA）等机器学习方法，本研究构建了太湖藻华暴发面积短期预测模型，利用事理图谱构建了太湖藻华暴发风险影响机制。结果表明：全太湖的XGBoost、LightGBM、BMA模型，贡湖的BMA、XGBoost模型，南部沿岸区的XGBoost模型，中西北湖区BMA、LightGBM模型率定期与验证期模拟效果较好。与传统藻华机理模型相比，基于大数据技术的太湖藻华暴发风险预判预警模型在精度提高的同时，效率提高了3~5倍，并在太湖水生态环境质量改善和2020—2022年应急调水中发挥了重要作用。

关键词：太湖；藻华暴发；机器学习；事理图谱；风险预判预警