Presentation Details
基于随机森林的河流营养盐以及不同采样频率带来的相关不确定性估算
ID：2039
View Protection：ATTENDEE
Updated Time：2021-06-16 17:46:14 Hits：2073
Oral Presentation
Start Time：2021-07-10 18:00（Asia/Shanghai）
Duration：15min
Session：S7B 7B、地理及地理信息科学 »
No files
Abstract
流域内居民将因缺乏水质数据而面临着健康风险。随着在线传感器的发展，机器学习模型在估算水质方面显示出巨大潜力。然而，由于与数据输入相关的不确定性，准确估算水质仍然面临挑战。在这项研究中，我们使用具有两种采样频率（即逐4小时和逐日）的数据集，通过五种容易获得的水质输入指标（包括水温（WT），pH，电导率（EC），溶解氧（DO）和浊度（TUR））来构建随机森林模型（RF）以分别估算沿海小流域的河流总磷（TP），总氮（TN）和氨氮（NH4 +-N）。结果表明，使用逐4小时采样频率的数据集开发的RF模型的估算准确性显着高于逐日采样频率的数据集。营养盐估算准确度从高到低依次为TN，TP和NH4 +-N。 EC，TUR和WT是最为重要的三个输入指标。当测试集的占比为15-30％时，RF提供的高估算精度更加可靠。RF模型已被证明在数据稀少且当地水安全问题突出的小尺度流域的适用性。
Keywords
营养盐,随机森林,不确定性,数据输入,采样频率
Speaker
陈胜粤
厦门大学环境与生态学院Submission Author
All Comments
Important Date
-
Conference Date
Jul 09
2021
toJul 11
2021
-
May 30 2021
Abstract Submission Deadline
-
May 30 2021
Draft paper submission deadline
-
May 30 2021
Early Bird Registration
-
Jul 10 2021
Registration deadline
-
Jul 11 2021
Contribution Submission Deadline
Sponsored By
青年地学论坛理事会
Organized By
中国科学院地球化学研究所
贵州大学
贵州大学
Contact Information
Submit Comment