来源：期刊VIP网 时间：
作者：张鹏;梅书浩;石成春;卓越;李佳昊;宋刚福;
单位：华北水利水电大学环境与市政工程学院;福建省环境科学研究院;
摘要：快速精准预测低氧发生对维持水生生态系统的健康有着重要意义，利用皮尔逊相关性分析和最大信息系数两种方法，依据闽江上游水口水库典型渔业养殖区G1、G2和Z1点位2021年3月至2022年3月的数据，从多个水质、气象和水文参数中筛选出影响溶解氧的关键驱动因子。基于机器学习算法，构建了独立BP、皮尔逊相关性-BP、MIC-BP和MIC-SVR等溶解氧预测模型，对比分析了各模型的预测结果。结果表明：电导率、水温、pH、叶绿素a和水位是影响溶解氧的5个主要因素；经过相关性分析筛选后，构建的预测模型性能得到提升，其中最大信息系数(MIC)法的筛选效率优于皮尔逊相关性法的；MIC-SVR模型是最优的溶解氧预测模型，其R~2均大于0.98,RMSE均小于0.56,MAE均小于0.28,可以将溶解氧的预测误差控制在±0.30 mg/L以内。该研究成果可为湖库低氧预测预警提供借鉴。
关键词：水库溶解氧;;相关性分析;;最大信息系数;;BP神经网络;;支持向量回归
基金资助：河南省科技攻关项目(222102320023);; 2022年科技协同创新专项(61352);; 华北水利水电大学高层次人才科研启动项目(40768)
