论文详情
2026年第1期
• 城镇水系统研究与应用 •
基于经典机器学习模型的河流重点水质预测
作者：吕婷，薛琼，闵兴华，金哲
作者单位：南京市生态环境保护科学研究院
引用本文：吕婷， 薛琼， 闵兴华， 等. 基于经典机器学习模型的河流重点水质预测[J]. 净水技术， 2026， 45（1）： 150-156.
摘要：近年来，水体污染问题日益突出，给河道环境造成巨大压力，故河道水环境破坏问题亟待解决。机器学习是一种基于大量监测数据的水质预测预警方法，是河道治理的新途径。【目的】本文旨在对比不同模型对不同水质指标的预测能力。【方法】本文以长江中下游平原某河流断面为例，首先通过显著性分析和主成分分析筛选出主要水质影响因子，随后根据自动监测站点数据选用支持向量机（SVM）和长短期记忆网络（LSTM）、门控循环单元（GRU）、时间卷积网络（TCN）神经网络模型对水质水平进行模拟。【结果】氨氮和溶解氧（DO）是筛选出的主要影响因子，4种模型对氨氮模拟的准确度高于DO。【结论】GRU模型对2种指标的模拟最具优势，SVM模型对氨氮和LSTM模型对DO水质模拟具有相对优势，而TCN模型对氨氮和DO的预测能力均相对较弱。
关键词：水质预测；影响因子识别；机器学习；支持向量机（SVM）人工神经网络（ANN）
基金资助：南京环保科技项目（202006）
收稿日期：2024-01-10 修回日期：2025-03-04 接受日期：2025-04-21
