[口头报告]融合在线监测与深度学习的水华短期预测方法研究

融合在线监测与深度学习的水华短期预测方法研究
编号:4525 稿件编号:2609 访问权限:仅限参会人 更新:2024-04-15 19:41:47 浏览:62次 口头报告

报告开始:2024年05月18日 18:12 (Asia/Shanghai)

报告时间:8min

所在会议:[S5] 主题5、环境科学 » [S5-1] 主题5、环境科学 专题5.6、专题5.13、专题5.7(18日下午,307)

暂无文件

摘要
水华暴发对水生态系统和人类健康有潜在危害,准确掌握水华发生规律以及预测预警对水华防控至关重要。随着人工智能和物联网技术的发展,监测手段逐渐由人工监测转变为在线监测,然而在线监测数据具有的波动性和非平稳性对水华预测带来了挑战。本研究提出了基于奇异谱分析耦合时间卷积网络的水华短期预测算法,并在云南滇池进行了实验验证,通过与其他模型在不同预测任务下的结果对比,发现提出的混合深度学习算法在预测预警性能方面表现最优。此外,利用 SHAP 框架可视化不同环境因子对模型输出的贡献分析,发现水温是水华预测最重要的驱动因素,进而增强水华预测机理上的可解释性。该研究通过在线监测数据和深度学习结合对藻华预测预警提供了新的思路。
关键字
深度学习;蓝藻水华;短期预测;在线监测
报告人
王兰
博士研究生 中国科学重庆绿色智能技术研究院

稿件作者
王兰 中国科学重庆绿色智能技术研究院
闪锟 中国科学院重庆绿色智能技术研究院
尚明生 中国科学院重庆绿色智能技术研究院
发表评论
验证码 看不清楚,更换一张
全部评论
● 会务总协调  

● 学术安排

 

辜克兢

13950003604

gukejing@xmu.edu.cn

辜克兢

13950003604

gukejing@xmu.edu.cn

柳    欣

13806024185

liuxin1983@xmu.edu.cn

窦    恒

18627754021

douheng@chytey.com

孙佳妮

15201086188

scarlett@chytey.com

刘    琳

13313708075

lliu@iue.ac.cn

 

● 会场技术服务

 

李    虎

柳    欣

18965842343

13806024185

hli@iue.ac.cn

liuxin1983@xmu.edu.cn
李招英

13860473552

lizhaoying@xmu.edu.cn

     
           
● 会场安排   ● 会议注册  

辜克兢

13950003604

gukejing@xmu.edu.cn

胡勤梅 13554192326

mary@chytey.com

窦    恒

18627754021

douheng@chytey.com

孙晓笛 18813296455 xiaodi.sun@xmu.edu.cn
           
● 商业赞助   ● 会议财务  
朱    佳 13950159036

zhujia@xmu.edu.cn

许心雅 18005960255 xuxinya@xmu.edu.cn
           

海报张贴

 

● 酒店预定及咨询

 
张    君 13860426122 junzhang@xmu.edu.cn

李    璟

18627754146

lijing@chytey.com

卢    巍 18971567453 luwei@chytey.com      

 

登录 注册缴费 酒店预订