从水文气象学到河水质量，可以深入学习的模型预测溶解氧-源码

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