基于人工智能机器学习算法的水质溶解氧浓度反演、短时预测多模型优选研究.pdf

第44卷第6期四川环境Vol.44,No.6

2025年12月SICHUANENVIRONMENTDecember2025

•水环境·DOI:10.14034/j.cnki.schj.2025.06.006

基于人工智能机器学习算法的水质溶解氧浓度反演、

短时预测多模型优选研究

何娟1{2，薛锐²，华杰²，刘颖1{，王志刚^

3.扬州大学环境科学与工程学院，江苏扬州225000)

摘要：为探究目标断面低溶解氧（DO）变化规律，构建反演预测模型预测其浓度水平。首先基于随机森林（RF）特

征重要性分析得出“硝化耗氧、有机物耗氧是导致目标断面季节性低氧两个重要因素”的结论，然后利用优选出的

NRBO－LSSVR反演模型开展溶解氧敏感度因子分析；基于随机森林特征重要性分析筛选出的8项重要参数开展溶解

氧短时预测，结果表明RF性能显著优于其他3种模型，且RF

测未来1天时精度最高，可将D0平均误差控制在±0.18mg/L以内；24、48h

中20h决定系数（R）最高，为0.912，平均误差控制在±0.15mg/L以内。本研究优选出的模型能够在夏秋季节缺

氧时段保持良好的预测性能，可实现目标断面的快速精准预测。

关键词：低溶解氧；机器学习；反演预测；随机森林；支持向量机

中图分类号：X832文献标志码：A文章编号：1001-3644（2025）06-0047-13

StudyonMulti-modelOptimizationforInversionandShort-term

ForecastingofAquaticDissolvedOxygenwithAI/MLAlgorithms

HEJuan1,2,XUERui1,2,SHENHuajie1,2,LIUYing1,2,WANGZhigang

(1.JiangsuTaizhouEnvironmentalMonitoringCenter,Taizhou,Jiangsu225300,China;

2.JiangsuKeyLaboratoryofMonitoringofOrganicPollutantinSoil,Taizhou,Jiangsu225300,China;

3.YangzhouUniversityofEnvironmentalScienceandEngineering,Yangzhou,Jiangsu225000,China)

Abstract:Inordertoexplorethechangepatternoflowdissolvedoxygeninthetargetsectionandaccuratelypredictthe

dissolvedoxygenconcentrationlevel,multipledissolvedoxygeninversionandpredictionmodelswereconstructed.First,based

ontheimportanceanalysisofrandomforestcharacteristics,itwasconcludedthatoxygenconsumptionbynitrificationand