基于PCA-MIC-LSTM的碟形湖溶解氧含量预测模型研究

打开文本图片集

摘要：溶解氧浓度是湖泊生态健康评价中的关键指标，因浅水碟形湖的水文独特性，使得溶解氧（DO）愈加具有不稳定性和非线性特征。为准确预测碟形湖中的DO浓度，基于鄱阳湖典型碟形湖监测数据集，结合主成分分析法（PCA）、最大信息系数（MIC）和长短时记忆神经网络（LSTM）预测碟形湖DO含量的模型。结果表明：与支持向量回归（SVR）、LSTM模型相比，基于PCA-MIC-LSTM的模型预测精度显著提高，其确定系数高达0.99以上，均方根误差为0.039 mg/L，平均绝对百分误差为0.301%;其中，PCA降噪处理比MIC特征提取更能影响LSTM模型预测的效果，可以显著降低误差率。（剩余14775字）

网站仅支持在线阅读（不支持PDF下载），如需保存文章，可以选择【打印】保存。