上传者: 42107374
|
上传时间: 2021-10-13 14:00:45
|
文件大小: 575KB
|
文件类型: -
从水文气象到河流水质:深度学习模型可以预测大陆范围的溶解氧吗?
Zhi,W. ,Feng D.,Tsai,WP,Sterle,G.,Harpold,A.,Shen,C.,&Li,L.(2021年)。 从水文气象到河流水质:深度学习模型能否预测大陆规模的溶解氧? 环境科学与技术。
抽象
溶解氧(DO)反映了河流的新陈代谢脉动,是一项重要的水质指标。 但是,我们对DO的预测能力仍然难以捉摸。
水质数据,特别是此处的溶解氧数据,通常存在较大的差距,并且面积和时间覆盖面都很稀疏。 另一方面,地表和水文气象数据已经大量可用。
我们在这里问:长期短期记忆(LSTM)模型能否从稀疏DO和密集(每日)水文气象数据中了解河流DO动力学? 我们使用了 ,这是一个新数据集,其中包含来自美国236个微扰流域的DO浓度
该模型通常学习DO溶解度的理论,并捕获其随水温升高而降低的趋势。 它显示出预测“化学上