典型文献
基于CNN-LSTM模型及小样本数据的水库二氧化碳通量预测
文献摘要：
整合了 2016年—2017年云贵高原岩溶深水水库——万峰湖水库表层CO2分压[p(CO2)]及对应的水质指标,计算了水-气界面CO2通量并分析其与水质的线性相关性,最终在收集的样本数据下建立了水库CO2通量预测的卷积神经网络与长短时记忆神经网络混合模型(CNN-LSTM模型).研究表明:万峰湖水库夏季的CO2通量仅与pH和氧化还原电位(ORP)有显著的相关性,而冬季的CO2通量与水温(T)、pH、碱度(ALK)、总溶解固体物质浓度(TDS)和电导率(Cond)均有显著的相关性,在一个完整的水文年内,6个水质指标均为CO2通量的重要影响因素.使用80％训练集数据训练CNN-LSTM模型,20％测试集数据测试模型的绝对均值误差(MAE),均方根误差(RMSE)和相关性(R2),并且建立CNN神经网络模型、LSTM神经网络模型和全连接神经网络模型(DNN)与之对比.4种模型预测值与实测值的相关性(R2)均高于0.90,CNN-LSTM模型的MAE与RMSE分别为2.64、3.85 mmol/(m2·d),均低于另外3种神经网络模型,CNN-LSTM模型能在样本数量较小的情况下取得最好的CO2通量预测效果.
文献关键词：
环境工程;CO2通量;深度学习;CNN-LSTM神经网络模型
中图分类号：
作者姓名：
秦宇;欧阳常悦;方鹏
作者机构：
重庆交通大学河海学院,重庆400074;重庆交通大学机电与车辆工程学院,重庆400074
文献出处：
引用格式：
[1]秦宇;欧阳常悦;方鹏-.基于CNN-LSTM模型及小样本数据的水库二氧化碳通量预测)[J].重庆交通大学学报（自然科学版）,2022(06):119-125
A类：
深水水库
B类：
小样本数据,二氧化碳通量,云贵高原,原岩,岩溶,万峰湖,湖水,水质指标,线性相关性,长短时记忆神经网络,混合模型,氧化还原电位,ORP,水温,碱度,ALK,体物,物质浓度,TDS,电导率,Cond,水文年,训练集,数据训练,测试集,数据测试,测试模型,MAE,RMSE,全连接神经网络,DNN,实测值,样本数量,环境工程
AB值：
0.30428
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
