基于NARX神经网络的千岛湖藻类短期预测模型构建

X524; 局部水域的藻类异常增殖现象逐渐成为千岛湖面临的水环境保护难题.构建以数据驱动的水华预测模型,实现对重点水域叶绿素a(Chla)浓度短期动态变化的预测,是快速应对潜在水华风险的有效手段之一.鉴于NARX神经网络在预测非平稳时间序列动态特征方面的优势,以千岛湖国控监测断面小金山2016—2019年Chla的高频时间序列作为研究对象,对Chla剖面数据进行沿深平均、缺失值插补后,分别以连续3 d和连续7 d的Chla浓度作为输入,构建了基于NARX神经网络的藻类预测模型,用于预测未来0.5～7 d Chla浓度的变化,探讨了相关参数设置、训练及评价方法,并针对不同的预见期分析了模型性能.结果表明:① 模型预测性能稳定,预测值与实测值相关系数保持在0.8～0.9之间,均方误差在15～30之间.②随着预见期的变化,模型性能不同.其中,在未来0.5～4 d的预测中,使用连续3 d的Chla浓度作为输入的预测效果较好;在未来4.5～7 d的预测中,使用连续7 d的Chla浓度作为输入的预测效果较好.研究显示,该模型可以较为准确地预测未来0.5～7 d的Chla浓度,可为构建以数据驱动的千岛湖水华监测预警系统提供科学依据.