文献类型：期刊文章

作　　者：陈能汪[1,2] 余镒琦[1,2] 陈纪新[1,2] 陈龙彪[3] 张东站[3]

CHEN Nengwang;YU Yiqi;CHEN Jixin;CHEN Longbiao;ZHANG Dongzhan(College of the Environment and Ecology,Fujian Provincial Key Laboratory for Coastal Ecology and Environmental Studies,Xiamen University,Xiamen 361102;State Key Laboratory of Marine Environment Science,Xiamen University,Xiamen 361102;School of Informatics,Xiamen University,Xiamen 361005)

机构地区：[1]厦门大学环境与生态学院,福建省海陆界面生态环境重点实验室,厦门361102 [2]厦门大学,近海海洋环境科学国家重点实验室,厦门361102 [3]厦门大学信息学院,厦门361005

出　　处：《环境科学学报》

基　　金：福建省海洋经济发展补助资金项目(No.ZHHY⁃2019⁃1,ZHHY⁃2020⁃1);国家自然科学基金资助项目(No.51961125203)。

年　　份：2021

卷　　号：41

期　　号：12

起止页码：4771-4782

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、GEOBASE、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：水质预警模型是大数据时代构建环境智能决策与管理体系的关键技术.近年来,水质自动化监测能力的提升以及测管协同对环境模型的强烈需求,激发了研究人员探索新的建模方法并努力提高模型预测性能.其中,人工神经网络(Artificial Neural Network,ANN)模型发展迅速.本文综述了3大类ANN模型的发展历史和模型结构特点,梳理了ANN模型在水质数据软测量、数据异常检测和时间序列预测等方面的研究进展,归纳了一般建模流程、技术建议和常用的模型性能指标,发现ANN模型的应用依赖于监测数据质量,存在模型可解释性差、模型运行硬件资源要求较高等不足,提出未来水质预警模型的研发思路和重点,需要加快推进水环境监测技术与预警模型的协同发展和业务化应用,通过多种应用场景检验实现技术迭代,形成大数据驱动的水质在线监测⁃智能预警⁃应急管理支撑体系,助力我国环境治理能力现代化.

关 键 词：人工智能 人工神经网络 大数据 水质预警

分 类 号：X32]