| 基于机器学习的水-气界面CO2、CH4扩散通量预测及影响因素分析——以三峡水库为例 |
| |
| 引用本文： | 欧阳常悦,秦宇,刘臻,梁越.基于机器学习的水-气界面CO2、CH4扩散通量预测及影响因素分析——以三峡水库为例[J].湖泊科学,2023,35(2):449-459. |
| |
| 作者姓名： | 欧阳常悦 秦宇 刘臻 梁越 |
| |
| 作者单位： | 重庆交通大学河海学院, 环境水利工程重庆市工程实验室, 重庆 400074 |
| |
| 基金项目： | 国家自然科学基金项目(51609026)和重庆市研究生科研创新项目(CYS22402)联合资助。 |
| |
| 摘 要： | 传统的水-气界面温室气体通量的监测方法具有诸多局限,对其影响因素的分析也大多基于数学统计层面。对此,本研究提供了一种较为新颖的研究和分析方法——基于机器学习的数据预测和分析。本研究采用2种经典机器学习算法——随机森林(RF)和支持向量机(SVM)和2种深度学习算法——卷积神经网络(CNN)和长短时记忆神经网络(LSTM),通过环境因素预测水库水-气界面CO2和CH4扩散通量。此外,采用RF中的特征重要性评估和经典算法决策树(DT),对环境因素和水库温室气体扩散通量的关系进行了全新角度的数据挖掘和分析。结果表明:深度学习算法的预测效果均较好,经典机器学习算法中RF预测效果显著优于SVM。LSTM和RF分别产生了最优的CO2扩散通量和CH4扩散通量的预测精度,均方根误差(RMSE)分别为0.424 mmol/(m2·h)和0.140μmol/(m2·h),预测值与实测值的R2分别为0.960和0.758。RF的特征重要性评估表明沉积物因子...
|
| 关 键 词： | 机器学习 深度学习 温室气体通量 预测 三峡水库 |
| 收稿时间： | 2022/10/20 0:00:00 |
| 修稿时间： | 2022/12/24 0:00:00 |
Prediction of CO2, CH4 diffusion fluxes at the water-air interface and analysis on its influencing factors using machine learning algorithms in the Three Gorges Reservoir |
| |
| Ouyang Changyue,Qin Yu,Liu Zhen,Liang Yue.Prediction of CO2, CH4 diffusion fluxes at the water-air interface and analysis on its influencing factors using machine learning algorithms in the Three Gorges Reservoir[J].Journal of Lake Science,2023,35(2):449-459. |
| |
| Authors: | Ouyang Changyue Qin Yu Liu Zhen Liang Yue |
| |
| Institution: | Key Laboratory of Hydraulic and Waterway Engineering of the Ministry of Education, Chongqing Jiaotong University, Chongqing 400074, P. R. China |
| |
| Abstract: | |
| |
| Keywords: | Machine learning deep learning greenhouse gas flux prediction Three Gorges Reservoir |
|
| 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 |
|
