一些研究对多种DD建模手艺在有害蓝藻水华展望中的性能和局限性举行了较量。 。。。。。有学者较量了12种DD建模手艺，，，，，， ，包括使用简朴回归、ANN和DTs展望美国Cheney水库蓝藻细胞、微囊藻毒素和土臭素浓度。 。。。。。使用立体回归模子更好地再现了最大有害蓝藻水华的浓度，，，，，， ，这也是水资源治理职员最感兴趣的，，，，，， ，由于细胞浓度最大值通常与最危险的情形有关。 。。。。。别的，，，，，， ，支持向量机(SVM)、随机森林要领和Boosted树也体现出优异的性能，，，，，， ，在60000 cells.ml-1浓度以下，，，，，， ，支持向量神秘领的均方根误差(RMSE)较量小。 。。。。。在澳大利亚菲茨罗伊瀑布水库，，，，，， ，较量ANN、DTs(极端随机树和模子树)和用多元回归展望时间标准为一周的蓝藻、绿藻和硅藻种群。 。。。。。凭证作者的说法，，，，，， ，极端随机树要领的体现是最好的。 。。。。。有学者通过对ANN、SVM、回归树和随机森林的较量，，，，，， ，展望了中国密云水库藻类细胞密度和群落转变。 。。。。。随机森林(DTs)在训练办法中的体现是最好的，，，，，， ，而在使用缺失数据的测试中体现不佳。 。。。。。关于这个案例，，，，，， ，作者建议使用DTs，，，，，， ，由于它们的体现更好，，，，，， ，只需要容易丈量的水质变量。 。。。。。
还可以团结DD建模手艺来提高预告和展望性能。 。。。。。团结模子树和GP来展望以色列Kineret湖的有害蓝藻水华。 。。。。。模子体现凭证所选状态变量的数目和类型在一直转变。 。。。。。作者思量了输入状态变量的可靠性(或不确定性)和便于在选择最合适的模子时丈量变量。 。。。。。
DD模子概述数据驱动模子通过多种统计手艺被普遍应用于有害蓝藻水华的展望。 。。。。。DD模子与PB模子相比的一个主要优点是它们对专业知识的要求较低，，，，，， ，具有生长优势。 。。。。。然而，，，，，， ，对与有害蓝藻水华相关的潜在征象的认知明确可以应用于优化输入变量，，，，，， ，进而提高DD模子的性能。 。。。。。由于DD模子强烈依赖于数据的可用性和质量，，，，，， ，若是数据不匹配模子的目的，，，，，， ，则模子性能可能受到严重限制。 。。。。。别的，，，，，， ，由于展望规则是完全从数据中提取的，，，，，， ，因此它们的展望性能通常仅限于视察数据的转变规模。 。。。。。DD模子的另一个局限是，，，，，， ，并不是所有的输出(即展望规则和视察到的模式)都允许用户获得驱动有害蓝藻水华历程的因子。 。。。。�；；；；；痪浠八�，，，，，， ，一些展望规则可说明数学模式，，，，，， ，可以资助展望选定变量的值，，，，，， ，但缺乏与有害蓝藻水华的直接或间接的物理缘故原由。 。。。。。然而一些建模手艺，，，，，， ，如DTs、GPs和BNS能够提供展望规则，，，，，， ，批注有害蓝藻水华与情形因素之间的因果关系，，，，，， ，从而有助于基本的历程熟悉。 。。。。。在这个层面上，，，，，， ，DD和PB模子都可以很好地相互增补地评估有害蓝藻水华。 。。。。。
监测和输入变量现在确定用于开发和验证有害蓝藻水华展望和展望模子的四种主要蓝藻监测要领：显微镜、色素剖析、原位荧光法和遥感(图2)。 。。。。。古板的监测包括显微镜和色素剖析。 。。。。。显微镜用于通过专家目视来估算细胞浓度和生物体积，，，，，， ，并允许通过形态特征举行物种分类。 。。。。。然而，，，，，， ，这种微观评估是很是耗时且腾贵的，，，，，， ，并且需要熟练的专业人才。 。。。。。色素剖析是指叶绿素a，，，，，， ，也有时是通过实验室定量提取的化学色素或其他光学活性化合物，，，，，， ，然后举行光谱、色谱或荧光剖析。 。。。。。叶绿素a是一种色素，，，，，， ，保存于包括蓝藻在内的所有浮游植物群中，，，，，， ，因此它不可评估差别、不可区分物种。 。。。。。一样平常需要人工取样和运输到实验室剖析，，，，，， ，这会增添时间和本钱，，，，，， ，也会影响效果。 。。。。。最新的监测手艺是指原位荧光法和遥感手艺。 。。。。。原位荧光法是一种光学要领，，，，，， ，通过特定的发射波长和激光波长来预计叶绿素a或藻蓝素(phycocyanin, PC)的色素浓度。 。。。。。光子吸收后细胞被引发，，，，，， ，然后它们返回到原来的基引发状态。 。。。。。在返回历程中，，，，，， ，能量较低的光子从细胞中发射并通过荧光发射丈量出来。 。。。。�？？？？？ ？？？梢栽诤凶爸眉父黾嗖馓酵�，，，，，， ，提供高频数据(采样距离在秒和小时之间)，，，，，， ，这样的监测成内情对较低。 。。。。。然而，，，，，， ，由于多个潜在的光滋扰，，，，，， ，就需要在特定所在通过古板的采样举行一连的数据校准。 。。。。。在笔直剖面系统(VPS)中，，，，，， ，叶绿素a和PC荧光探头可以与其他探头(例如丈量浊度或荧光消融有机物)一起装置，，，，，， ，提供整个水柱的实时数据。 。。。。。这一手艺已被天下各地许多自来水公司接纳，，，，，， ，并成为大大都实时水质监测手艺的要领基础。 。。。。。由于PC主要是蓝藻特有的色素，，，，，， ，它可以提供蓝藻群体的生物量、生物体积或细胞密度的预计值。 。。。。。然而它不可区分蓝藻差别物种。 。。。。。遥感监测依赖蓝藻的光学特征，，，，，， ，使用卫星多光谱传感器，，，，，， ，无人机或飞机。 。。。。。哨兵3号是一个普遍使用的视察卫星，，，，，， ，该卫星的使命是支持多种情形的应用，，，，，， ，如海面地形丈量、海洋和陆地外貌、温度丈量、内陆水体监测、天气预告、水和土地颜色丈量等。 。。。。。从视察卫星的图像中，，，，，， ，已经获得了许多履历、半履历和剖析算法来提取特定的频带，，，，，， ，并预计水体整个外貌的叶绿素a和PC。 。。。。。与古板的取样监测相比，，，，，， ，该手艺可以为用户提供低本钱、高效率的有害蓝藻水华的空间信息，，，，，， ，思量到已经安排的卫星和普遍获取的卫星图像。 。。。。。然而，，，，，， ，信息的质量取决于天气条件(例如云量会阻碍其应用)。 。。。。。遥感规模仅限于地面和近地下水域，，，，，， ，还需要对详细所在举行校准。 。。。。。多(超)光谱信号缺乏足够空间和时间区分率的数据，，，，，， ，也被以为是使用遥感手艺展望有害蓝藻水华的要害限制。 。。。。。使用这种要领对PC举行准确预计仍然是一个挑战，，，，，， ，这可能限制了它作为有害蓝藻水华模子中数据源的使用。 。。。。。有趣的是，，，，，， ，纵然遥感和原位荧光法可提供一个高的时空区分率，，，，，， ，低本钱的解决计划，，，，，， ，来预计湖泊的外貌的叶绿素a或PC，，，，，， ，可是很少有研究将这两种监测手艺团结起来。 。。。。。
数据质量是预告和展望模子性能的基础。 。。。。。因此，，，，，， ，思量到监测的特殊性(例如，，，，，， ，定量化要领、采样频率、所在、时间和深度等)至关主要。 。。。。。评估差别的蓝藻监测要领是否会影响加拿大伊利湖有害蓝藻水华模子的性能。 。。。。。关于每一种监测要领，，，，，， ，有研究者开发了一个增强的回归树模子来展望季节性和年度的蓝藻动态。 。。。。。关于每种监测手艺来说，，，，，， ，模子展望性能和所识别的有害蓝藻水华的驱动因素并不相同，，，，，， ，这说明晰监测要领对模子的结构和准确性来说是十分主要的。 。。。。�？？？？？ ？？？D预告模子，，，，，， ，显微镜和色素剖析手艺是网络蓝藻数据最常用的要领。 。。。。。这些手艺比荧光和遥感等新传感手艺有更高的精准度，，，，，， ，但仍然具有局限性。 。。。。。有研究通过在显微镜剖析前仅改变采样量，，，，，， ，评估了乌拉圭Salto Grande水库铜绿微囊藻的检测效率和展望精度。 。。。。。他们发明，，，，，， ，样本量的增添显著提高了展望性能。 。。。。。
市场效劳中心
总经办
微信扫一扫
