薛亚婷 吴升伟 王江涛

(1.中煤航测遥感集团有限公司,陕西 西安 710199;2.中煤地西安地图制印有限公司,陕西 西安 710199)

随着社会的发展,水环境污染日益加重,水体污染带来的危害也日益凸显。因此找到一种合适的方法对小流域水环境质量进行评估,并对变化趋势进行预测,提前采取行动缓解污染速度,改善水质是非常必要的。机器学习算法提供了一种可靠、有效、先进的水质预测方法,它建立的水质预测模型属于非机理型模型,不依赖于水质变化的化学原理,而是依据数据本身的规律和特点进行预测[1]。

当前,各国开始将神经网络、回归分析、灰色系统理论等融入水质预测中,提高了预测的广泛性及准确度[2-5],如肖金球等[6]提出了一种改进型的 GA-BP神经网络,采用双隐含层和7个隐含层节点进行仿真训练;Amir et al.[7]探讨了不同的核函数对水质预测结果的影响;周志青等[8]提出了一种将ARIMA和RBF-NN耦合的模型;马晋等[9]基于地下水水质指标,通过逻辑分析将地下水分为4个等级。本文在现有研究的基础上,为提高预测精度,避免模型单一造成的区域水质预测结果偏差,分别利用神经网络模型、支持向量机模型和逻辑回归模型对赤水河流域的水质进行预测,并分析比较3种模型的预测结果。将一部分水质、环境、气象数据作为训练集,利用3种机器学习方法对数据进行训练建模,对之后一段时间的水质等级进行预测,对赤水河流域水质治理提供思路。

1 数据获取

1.1 研究区概况

赤水河为简阳市管河流绛溪河的支流,自成都市龙泉驿区开始,从北向南,途中经过石盘水库、赤水铺等地区,最终汇入绛溪河,流域面积约60km2,平均流量0.68m3/s,流域内存在15个采样点。……