同济大学学报(自然科学版)

作者：李爱民，康轩，袁铮，王海隆，闫翔宇，许有成

单位：1.郑州大学 地球科学与技术学院，河南 郑州 450001;2.郑州大学 水利与交通学院，河南 郑州 450001

关键词：叶绿素a,总悬浮物,集成学习模型,Levy飞行—麻雀搜索算法,城市河流

基金：河南省自然科学基金面上项目（242300421372）；河南省高等学校重点科研项目（24B170010）

由于水体的光学复杂性和不同水质参数之间的相互作用，利用集成学习方法估算水质参数具有优势；然而，在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数；而Levy飞行算法可以防止麻雀搜索算法（Sparrow Search Algorithm，SSA）陷入局部最优，并提高模型的准确性和效率。使用Levy飞行算法和麻雀搜索算法对随机森林（Random Forest，RF）、自适应回归（AdaBoost Regression，ABR）和类别提升回归（CatBoost Regression，CBR）3种集成学习模型进行了优化。以郑州东风渠和熊耳河为研究区 ，基于实测叶绿素a（chlorophyll-a，Chl-a）和总悬浮物（total suspended solids，TSM）数据，构建了LSSA-RF、LSSA-ABR和LSSA-CBR这3种估算模型。实验结果表明：模型经过优化后，各项指标均有不同程度的提高。其中表现最优的是LSSA-CBR模型；CBR模型是在梯度提升框架下进行的建模，对比RF和CBR模型具有更高维度的学习能力。在叶绿素a的估算中，LSSA-CBR估算模型的均方根误差为2.325 μg·L-1，决定系数为0.896；在总悬浮物的估算中，LSSA-CBR模型的均方根误差为1.598 mg·L-1，决定系数为0.882。最后，将精度较好的LSSA-CBR模型应用于卫星Planet影像中，以评估河流叶绿素a和总悬浮物的空间分布情况。研究结果可为环保部门快速了解城市河流水质分布及进行水质评价与管理提供参考。

来源：2025年第3期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第3期