《Journal of Environmental Management》:Reimagining coastal water quality forecasting with hydrodynamic simulation and advanced machine learning
编辑推荐:
沿海生态系统的有效和可持续管理依赖于准确的水质监测和预报,尤其是在面临严重污染物负荷的地区。磷酸盐和硝酸盐在沿海水质和生态系统健康中起着关键作用。然而,由于复杂的时空变化环境相互作用,预测其浓度仍然具有挑战性。利用先进数值模拟和人工智能(AI),本研究引入了一
沿海生态系统的有效和可持续管理依赖于准确的水质监测和预报,尤其是在面临严重污染物负荷的地区。磷酸盐和硝酸盐在沿海水质和生态系统健康中起着关键作用。然而,由于复杂的时空变化环境相互作用,预测其浓度仍然具有挑战性。利用先进数值模拟和人工智能(AI),本研究引入了一种基于最小二乘支持向量回归(LSSVR)的新型混合机器学习(ML)框架,该框架使用由TELEMAC-WAQTEL数值框架生成的物理基础模拟数据(根据现场测量的边界和初始条件进行校准)来模拟沿海水质。所提出的模型应用于越南下龙湾,利用包含一年(2021–2022)内8760个每小时样本的数据集。这些数据通过集成了水质模块的二维TELEMAC水动力模型生成。关键水动力变量,包括自由表面高程(FS)、流速(U)和流向(α),作为输入用于预测硝酸盐(NO3)和磷酸盐(PO4)浓度。为了优化LSSVR超参数,研究人员引入了改进蜻蜓算法(IDA),该算法结合了柯西游走变异和自适应惯性权重,以增强收敛性、全局搜索效率和鲁棒性。与高斯过程回归(GPR)、ε-LSSVR、人工神经网络(ANN)、随机森林和模型树的基准测试表明,IDA-LSSVR具有优越的预测能力。在包含总样本20%(1752个观测值)的独立测试数据集上,IDA-LSSVR实现了最低的RMSE(NO3 = 1.55E-02 mg/L,PO4 = 5.88E-04 mg/L)、MAE(NO3 = 3.45E-07 mg/L,PO4 = 2.39E-04 mg/L)和MAPE(NO3 = 3.41,PO4 = 4.49E-04),同时具有最高的R2(NO3 = 0.95,PO4 = 0.97)。通过将高分辨率物理基础水动力模拟与先进机器学习和优化技术相结合,所提出的框架为沿海水质预报提供了一种准确、计算高效且可靠的工具。将物理一致的模拟数据与鲁棒的不确定性感知预测相结合,为动态沿海环境中的营养管理、富营养化风险评估和环境监测提供了有价值的决策支持能力。因此,该框架为支持可持续沿海生态系统管理和保护脆弱海洋系统免受营养驱动的退化提供了一种有前景的方法。
**论文解读:利用水动力模拟与先进机器学习融合框架实现沿海水质精准预测——以越南下龙湾为例**
**一、研究背景与问题提出**
沿海生态系统健康与水质密切相关,但面临城市化、农业径流和气候变化等多重压力,导致硝酸盐(NO
3)和磷酸盐(PO
4)等关键营养盐浓度升高,引发富营养化、有害藻华和溶解氧耗竭,威胁人类健康(如病原体感染、肠胃疾病)及沿海经济(旅游、渔业)。传统水质监测依赖现场采样和实验室分析,虽准确但时空覆盖有限、成本高、结果滞后,难以捕捉极端天气或瞬时污染事件中的快速波动;经验统计模型则难以处理水动力过程、污染物输运与环境驱动因子之间的复杂非线性相互作用。因此,亟需开发集成物理过程模拟与数据驱动方法的预测工具,以提升沿海水质预报的准确性、计算效率和实时性。
**二、研究目的与核心创新**
本研究旨在突破传统方法的局限,提出一种融合高分辨率水动力数值模拟与先进机器学习(ML)的混合框架,专门用于预测沿海环境中NO
3和PO
4浓度。研究以越南下龙湾(联合国教科文组织世界遗产地)为典型案例,通过TELEMAC-WAQTEL物理模型生成高时空分辨率的水动力与水质模拟数据,作为训练数据集;引入最小二乘支持向量回归(LSSVR)作为核心预测引擎,并创新性地开发改进蜻蜓算法(IDA)来优化LSSVR的超参数(核参数σ
2和正则化因子γ),克服标准蜻蜓算法(DA)易陷入局部最优、收敛速度慢等问题。同时,结合蒙特卡洛模拟(MCS)进行不确定性量化,评估水质可靠性。该论文发表在《Journal of Environmental Management》。
**三、主要关键技术与方法**
研究人员采用了以下关键技术方法:(1)**物理模型数据生成**:利用TELEMAC 2D水动力模型耦合WAQTEL水质模块,基于下龙湾真实地形(GEBCO数据库与Admiralty海图修正)和边界条件(上游五条河流流量、下游潮汐边界TPXO数据库),生成8760小时(2021–2022年)的逐时模拟数据,包括自由表面高程(FS)、流速(U)、流向(α)以及NO
3和PO
4浓度。模型经过现场30个采样点(2021年3月和9月两次航次)数据验证,NO
3的RMSE=0.13 mg/L、r=0.920,PO
4的RMSE=0.016 mg/L、r=0.889。(2)**特征选择**:使用IDA算法对八个候选输入变量(FS、U、α、滞后1小时和2小时的NO
3和PO
4浓度)进行二进制特征选择,确定最优输入子集。(3)**IDA优化LSSVR**:提出改进蜻蜓算法(IDA),用柯西游走(Cauchy Walk)替代标准DA的莱维飞行(Lévy flight),并引入非线性自适应惯性权重公式,增强全局搜索与局部开发平衡,自动搜索最优LSSVR超参数(σ
2和γ)。(4)**模型对比与不确定性量化**:与粒子群优化(PSO)、灰狼优化(GWO)、鲸鱼优化(WOA)、哈里斯鹰优化(HHO)、标准DA等五种元启发式算法优化的LSSVR,以及人工神经网络(ANN)、随机森林(RF)、模型树(MT)、ε-LSSVR、高斯过程回归(GPR)等五种经典ML模型进行对比;采用蒙特卡洛模拟(MCS)生成10
6个随机样本,基于极限状态函数(LSF)计算失效概率(P
f)和水质可靠性(WQR)。
**四、研究结果**
**4.1 特征选择**
通过IDA算法对NO
3和PO
4预测分别进行特征选择,结果表明:预测NO
3的最佳输入变量为FS、U、α和NO
3,t-1(滞后1小时浓度);预测PO
4的最佳输入变量为FS、U、α和PO
4,t-1。NO
3与PO
4之间无显著相关性,说明其受不同生物化学过程控制。IDA在特征选择中表现出最低的RMSE和最小的标准差,优于其他五种元启发式算法,显示了良好的稳定性和全局搜索能力。
**4.2 IDA-LSSVR预测模型**
基于80:20数据划分(训练:7008小时,测试:1752小时),IDA-LSSVR模型在训练阶段NO
3和PO
4的R
2分别达到0.97和0.99;测试阶段RMSE分别为1.55E-02 mg/L和5.88E-04 mg/L,R
2分别为0.95和0.97,VAF分别为94.61%和96.93%。时间序列图显示预测值与模拟值高度吻合,累积分布函数(CDF)分析进一步证实模型能准确再现统计分布。
**4.3 模型性能评估**
与六种元启发式算法优化的LSSVR相比,IDA-LSSVR在所有指标上均最优,NO
3预测R
2=0.946,PO
4预测R
2=0.971。与五种经典ML模型对比,IDA-LSSVR表现最佳,而GPR和ε-LSSVR次之,RF和MT最弱。泰勒图(Taylor diagram)直观显示IDA-LSSVR最接近参考点。残差分析表明残差随机分布、近似对称,均值为零,无异方差性,模型泛化良好。SHAP分析(Shapley Additive exPlanations)揭示:滞后浓度(NO
3,t-1和PO
4,t-1)是最重要预测因子,对模型输出的贡献远超水动力变量(均值SHAP值分别为0.0847和0.0129),流向(α)次之,流速(U)和自由表面高程(FS)贡献较小,表明营养盐动态主要受时间记忆效应控制,水动力变量起调节输运和稀释的次要作用。
**4.4 水质参数不确定性量化**
通过MCS生成10
6个样本,分析不同变异系数(COV从0.05到1)下的失效概率和可靠性。当COV≤0.2时,失效概率为0,可靠性为100%;随着COV增大至1,最大失效概率为0.0547,最小可靠性为94.5%。考虑到实际中不确定性超过50%的概率极低,研究期间(COVID-19疫情期,人类活动减少)实测数据低于最大允许限值,因此下龙湾水质在预测框架下具有高可靠性(≥99%)。
**五、讨论与结论**
**讨论总结**:研究提出的IDA-LSSVR框架有效弥合了物理水动力模拟与数据驱动预测之间的鸿沟,通过物理一致的数据训练、SHAP可解释性分析以及MCS不确定性量化,实现了高精度、鲁棒且可解释的沿海水质预测。该框架支持实时预警和风险决策,为沿海富营养化管理提供了新工具。但需注意,模型训练数据源于TELEMAC-WAQTEL模拟,可能继承物理模型的系统偏差;未来应结合更多现场观测数据以降低模拟依赖。
**结论翻译**:本研究提出了一种混合沿海水质预测框架,将水动力模拟与IDA优化LSSVR模型相结合,用于预测下龙湾(联合国教科文组织世界遗产地,面临日益加剧的人为压力)的NO
3和PO
4浓度。所提出的IDA-LSSVR模型在预测精度和泛化能力上始终优于ANN、RF、MT、标准LSSVR和GPR等基准模型。通过仅依赖易获取的水动力变量(自由表面高程、流速、流向),该框架无需密集采样即可实现近实时监测。SHAP分析揭示营养盐浓度的时间持续性(通过滞后输出捕获)是主导预测信号,而水动力变量(尤其是流向和流速)通过调节输运和稀释提供重要的次要控制。这些发现提供了物理可解释的见解,增强了模型的操作适用性。该工作的重要性超越预测性能:将其部署于沿海治理结构,可支持富营养化事件早期检测、可持续水产养殖管理和基于证据的环境政策。然而,模型存在固有局限,包括对极端天气事件的敏感性、监测不充分区域的稀疏观测覆盖以及分布外条件下的可靠性降低。未来工作应纳入季节性和潮汐动态、集成气候驱动变量,并探索集成学习策略以提高鲁棒性。