基于机器学习的河湖水质评估的研究进展

来源：环境科学杂志2025年第1期北京时间：

作者：程浩淼,杨富康,张健,赵程程,朱腾义

单位：扬州大学水利科学与工程学院, 扬州 225127,扬州大学水利科学与工程学院, 扬州 225127,江苏省农村水利科技发展中心, 南京 210029,常熟市水利工程建设管理中心, 常熟 215500,扬州大学环境科学与工程学院, 扬州 225127

摘要：机器学习（ML）具有深层次的网络结构和强大的拟合能力，可实现不依赖完整物理化学机制的污染物浓度预测. 因此，ML已成为河湖污染早期预警、水质动态评估领域的重要研究工具. 当前ML在河湖水质评估中的应用主要有特定时刻的污染物浓度快速评估、特定时间步长下的未来污染物浓度预测两个方向；预测污染物主要包括：氮磷营养盐、叶绿素a（Chla）、溶解性有机物（DOM）以及农药等有机物. 溶解氧（DO）、水温（WT）和pH是ML预测污染物浓度的高频输入因子. 内外源和水力条件也是河湖水质变化的关键驱动因子，考虑这两种因子可显著提高ML的预测精度. 此外，数据缺失、过拟合以及可解释性不足等问题是制约ML在河湖水质评估领域发展的主要瓶颈；故机制模型-ML耦合和可解释机器学习（XML）等方法成为了现阶段ML研究的主攻方向. 研究结果将为河湖水质快速评估和污染物浓度预测提供重要参考信息.

关键词：机器学习（ML）,水质评价,河流湖泊,时间序列,驱动因子,