基于LSTM網絡的在線藻類時序數據預測研究：以三峽水庫為例*

歐陽添，閃 錕，周博天，黃 昱，吳忠興，尚明生

(1:西南大學三峽庫區生態環境教育部重點實驗室，重慶市三峽庫區植物生態與資源重點實驗室，重慶 400715)(2:中國科學院重慶綠色智能技術研究院，大數據與智能計算重慶市重點實驗室, 重慶 400714)

筑壩攔截會改變河流的水文情勢，從水動力條件、水下光熱結構、養分來源及其輸送強度等方面，形成微觀生境的時空異質性，加之大量陸源營養物受淹溶出，極易誘發藻類大量繁殖形成水華現象[1-2].近年來，全世界大型河流中有害水華事件的數量和規模都不斷增加[3].因而，需要研發水華的早期監測預警系統，幫助水資源管理人員快速診斷藻類變化，減少水華發生的風險和治理成本.但是，水華暴發是一個復雜的生態事件，是由特定水體中物理、化學和生物因素相互耦合作用引起的，變量間往往呈現出高維非線性的映射關系[4-5]，需要借助于模型工具來實現生態系統變化的全面評估.目前，預測藻類動態變化主要有兩種建模策略：機理過程模型和機器學習算法.其中基于生態動力學過程的方法是模擬和分析藻類動態變化最有效的技術，并在水生態系統長期演替趨勢分析中取得廣泛的應用.但水華暴發涉及的生態過程還尚存著機理不明晰，或難以用數學來表達的問題[5].隨著大數據時代的到來和人工智能技術的迅猛發展，數據驅動的建模方式逐漸在水華短期預測上得到重視[6].

特別是人工神……