基于三种机器学习模型的太湖总氮浓度预测

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。