基于深度强化学习的湖泊动态补水优化决策方法研究
ID:4531 View Protection:ATTENDEE Updated Time:2024-04-15 20:14:07 Hits:2159 Poster Presentation

Start Time:2024-05-18 08:10(Asia/Shanghai)

Duration:1min

Session:SP 张贴报告专场 » sp5主题5、环境科学

No files

Abstract
生态补水通过增加可用水资源和加速营养循环实现富营养化湖泊水质改善,其有效性同时取决于水源和湖泊水质状态。为最大限度地改善水质并减少补水量,动态优化仍然是一个巨大的挑战。本研究提出了一种新的动态补水优化方法DWDO,耦合了水质模型和深度强化学习,在云南滇池案例中得到验证。结果表明与过去的运行规则相比,湖泊中的总氮和总磷浓度分别下降了7%和6%;年补水量显著下降了75%。通过可解释的机器学习方法,证明了气象指标和牛栏江补水水质和湖泊水质对最佳补水量的影响,表明多因素交互可共同驱动补水量的实时调整。最佳的算法超参数使DWDO能克服模型参数的不确定性影响,具有高稳定性,并且训练时间远低于传统的模拟优化算法,在水质管理中的动态补水决策方面具有巨大应用潜力。
Keywords
湖泊动态补水决策,深度强化学习,水质模型,全过程通量,滇池
Speaker
蒋青松
助理研究员 北京大学

Submission Author
蒋青松 北京大学
刘永 北京大学
Submit Comment
Verify Code Change Another
All Comments
Important Date
  • Conference Date

    May 17

    2024

    to

    May 20

    2024

  • Mar 31 2024

    Draft paper submission deadline

  • Mar 31 2024

    Contribution Submission Deadline

  • May 20 2024

    Registration deadline

Sponsored By
青年地学论坛理事会
Organized By
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
Contact Information
Previous Conferences