摘要：【目的】溶解氧（DO）是评价水环境质量的关键性指标之一，DO浓度过低会破坏生态平衡，威胁水生环境的健康。本文通过建模预测DO浓度并解释驱动其变化的关键因素，提出调控水质保护水生态的重要措施。【方法】基于洱海北部流域2011年—2020年水质水量监测数据，本文构建了集成机器学习框架，建立并比选出预测DO变化的最佳模型——轻量梯度提升模型（LightGBM）。此外，本文还采用夏普利加性解释（SHAP）量化了不同特征对DO浓度变化的贡献。【结果】LightGBM的决定系数（R2）较基准模型提高11.2%，在预测中展现出优异性能[均方根误差（RMSE）= 0.284 mg/L，平均绝对误差（MAE）= 0.226 mg/L，R2=0.912]。SHAP分析显示流量是影响溶解氧浓度的最主要因素，贡献率为35.5%，其次是化学需氧量（COD）为17.2%。DO随流量增加先上升后下降，适当流量有利于增氧，大流量时携带大量耗氧物质从而降低DO。适度流量和低COD是维持较高DO的重要条件，流量为0.2 m3/s左右最为适度，COD则是越低越好。【结论】研究区域夏季流量大、冬季流量小乃至断流，均造成DO浓度低。利用流域沿线库塘净化调蓄，可维持流量适度减少径流污染，有利于维持流域DO含量保护水生态。本文旨在增进对DO受流量动态影响的理解，为高原河流生态保护提供参考。

关键词：轻量梯度提升；夏普利加性解释（SHAP）溶解氧预测；流量作用；库塘调蓄

基金资助：云南省科技厅顶尖团队项目（202505AT350002-4）

下载

查看