典型文献
基于三种机器学习模型的太湖总氮浓度预测
文献摘要：
市政污水处理厂出水是自然水体的重要污染来源,处理后的生活污水排入水体,对受纳水体水质产生重要的影响.为实现对太湖总氮浓度的准确预测,收集并分析了太湖水体水质监测数据和太湖流域212个污水处理厂的实时运行监测数据,采用皮尔逊相关系数(Pearson correlation coefficient)分析了太湖水体总氮浓度与市政污水处理厂相关运行指标的相关性,结合相关性较高的前五项指标与太湖水质监测数据,利用临近算法(KNN),决策树以及AdaBoost三种机器学习模型对太湖水体总氮浓度月平均值进行了预测.其中AdaBoost的精度更高、准确性更好,拟合优度为0.84,平均绝对误差在14.08％以内.模型特征重要性分析表明,太湖硝态氮,氨氮和总磷等指标对总氮浓度预测有重要的影响.
文献关键词：
皮尔逊相关系数;市政污水处理厂;N排放;AdaBoost机器学习
中图分类号：
作者姓名：
赵朔;桂峰兰;柳后起
作者机构：
辽宁省生态环境保护科技中心,沈阳 110161;中共辽宁省委党校,沈阳 110004;中国科学技术大学苏州高等研究院,江苏苏州 215123
文献出处：
引用格式：
[1]赵朔;桂峰兰;柳后起-.基于三种机器学习模型的太湖总氮浓度预测)[J].中国农村水利水电,2022(06):24-28,39
A类：
B类：
机器学习模型,总氮,氮浓度,浓度预测,市政污水处理厂,污水处理厂出水,自然水体,污染来源,生活污水,排入,受纳水体水质,准确预测,太湖水,水质监测,太湖流域,时运,运行监测,皮尔逊相关系数,correlation,coefficient,体总,运行指标,五项,临近算法,KNN,决策树,AdaBoost,拟合优度,平均绝对误差,模型特征,特征重要性分析,硝态氮,氨氮,总磷
AB值：
0.289548
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。
