| 基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例 |
| |
| 引用本文： | 欧阳添,闪锟,周博天,黄昱,吴忠兴,尚明生.基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例[J].湖泊科学,2021,33(4):1031-1042. |
| |
| 作者姓名： | 欧阳添 闪锟 周博天 黄昱 吴忠兴 尚明生 |
| |
| 作者单位： | 西南大学三峡库区生态环境教育部重点实验室, 重庆市三峡库区植物生态与资源重点实验室, 重庆 400715;中国科学院重庆绿色智能技术研究院, 大数据与智能计算重庆市重点实验室, 重庆 400714 |
| |
| 基金项目： | 重庆市技术创新与应用发展专项（cstc2019jscx-gksbX0042）、国家自然科学基金项目（51609229）、国家水体污染控制与治理科技重大专项（2014ZX07104-006）和中国科学院西部青年学者项目（E1296001）联合资助. |
| |
| 摘 要： | 三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间步长数等关键参数的最优组合.结果表明:WT-LSTM模型可有效预测在线获取的叶绿素a浓度变化,模型在4条支流的均方根误差(RMSE)为0.049～0.221μg/L,平均相对误差(MRE)为0.43%～1.12%;预测结果揭示深度神经网络方法可有效地提取在线藻类时序数据特征,而相较于深度置信网络(DBN),LSTM在4条支流叶绿素a预测的平均RMSE和MRE分别降低了9.20%和3.06%;在线监测数据的小波降噪并未影响叶绿素a的变化趋势,且WT-LSTM模型对叶绿素a预测效果显著提升于WT-DBN,平均RMSE和MRE分别降低了51.72%和59.24%;通过设置不同时间步长的预测实验,证实24 h内模型精度会随着预测步长的增加而降低,但模型平均相对误差可保持在13%以内,且对区间内叶绿素a极大值的预测精度要优于其平均值.本研究为水华预测上耦合在线监测与深度学习提供了研究范例,通过4个站点数据的交叉验证实验,亦证实具有统计学关联性的不同空间数据合并后可延展时序模型的学习样本,增强模型在实际应用中的稳健性.
|
| 关 键 词： | 在线监测 小波变换 长短期记忆网 浮游植物 三峡水库 |
| 收稿时间： | 2020/9/2 0:00:00 |
| 修稿时间： | 2020/10/26 0:00:00 |
Research on the online forecasting of algal kinetics based on time-series data and LSTM neural network:Taking Three Gorges Reservoir as an example |
| |
| Ouyang Tian,Shan Kun,Zhou Botian,Huang Yu,Wu Zhongxing,Shang Mingsheng.Research on the online forecasting of algal kinetics based on time-series data and LSTM neural network:Taking Three Gorges Reservoir as an example[J].Journal of Lake Science,2021,33(4):1031-1042. |
| |
| Authors: | Ouyang Tian Shan Kun Zhou Botian Huang Yu Wu Zhongxing Shang Mingsheng |
| |
| Institution: | Key Laboratory of Eco-environments in Three Gorges Reservoir Region (Ministry of Education), Chongqing Key Laboratory of Plant Ecology and Resources Research in Three Gorges Reservoir Region, Southwest University, Chongqing 400715, P. R. China;Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, Chongqing Key Laboratory of Big Data and Intelligent Computing, Chongqing 400714, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | On-line monitoring wavelet transform long short-term memory phytoplankton Three Gorges Reservoir |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《湖泊科学》浏览原始摘要信息 |
| 点击此处可从《湖泊科学》下载免费的PDF全文 |
|
