报告详情
利用可解释的深度学习模型应对双重挑战：地表水总磷浓度预测及其污染溯源
编号：4529
访问权限：仅限参会人
更新：2024-04-15 20:13:17 浏览：853次
张贴报告
报告开始：2024年05月18日 08:12（Asia/Shanghai）
报告时间：1min
所在会场：[SP] 张贴报告专场 [sp5] 主题5、环境科学
暂无文件
摘要
本研究提出了一种注意力-物理引导的时空图卷积神经网络框架（A-PSTGCN）用于总磷预测及其污染溯源。主要解决两个关键挑战：（1）由于磷复杂生物地球化学循环过程，基于过程模型难以准确概化与预测；（2）受不同生境特征影响，基于实验的原位监测和同位素技术溯源结果不准确。在方法本质上，基于Attention机制的嵌入式模型解释方法具有更高的可移植性，并采用对流扩散方程来指导模型训练，提高其拟合能力与精度。以太湖流域西部地区为研究区，该模型预测结果与基础模型相比R2提高了7.1%~21.1%，且预测更具“时效性”。同时，不同情景下的溯源结果表明，该地区水利工程建设控制了区域内重点湖泊（滆湖）外源总磷污染负荷来源变化，其次是地区气候的季节性变化。
关键词
地表水总磷预测,污染溯源,物理过程指导,时空图卷积神经网络,注意力机制可解释性
报告人
姚杰夫
博士研究生 南京大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论