基于深度学习的湖库藻类水华预测研究

随着经济社会发展,水体富营养化程度日趋严重,藻类水华频发,水体生态安全受到严重威胁,直接影响城市发展建设和居民的正常生活。深入研究藻类水华形成机理,对藻类水华暴发这一非常规突发事件进行有效防治,对促进水环境保护具有重要意义。本文在对藻类水华形成机理深入分析的基础上,考虑常规藻类水华预测方法在样本选择、模型参数设置、预测精度等方面存在的问题,提出基于深度置信网络(Deep Belief Nets,DBNs)的藻类水华预测方法,通过网络结构与参数设计,实现了算法学习与训练。结果表明,该方法对数据信息利用率充分,藻类水华预测精度高,相对其他方法具有明显的优势,为湖库藻类水华预测提供一种新思路。

Research on algal bloom prediction based on deep learning