在珍珠河三角洲基于时间聚类方法的盐水入侵早期预警

科学领域:

• 环境科学 环境科学
• 水文学的水文学
• 沿海工程 沿海工程

背景情况:

• 由于非线性和非静止动态,盐水入河口给预测带来了重大挑战.
• 现有的回归模型经常显示效率降低,预测的交付时间更长.
• 准确和及时的预测对于管理河口资源和基础设施至关重要.

研究的目的:

• 使用时间序列集群开发实时盐水入侵预警框架.
• 为了提高盐水入侵预测的准确性和延长预测时间.
• 分析环境因素对盐水入侵动态的影响.

主要方法:

• 基于时间序列聚类的新框架被提议用于实时盐水入侵预测.
• 用珍珠河三角洲测量仪的盐度数据定义了四个盐水入侵风险级别.
• 使用了监督集群模型CAMELOT (Cluster bAsed iMportancE Learning for Time-series),并与其他模型进行了比较.

主要成果:

• 与无监督集群和传统机器学习分类器相比,CAMELOT表现出优异的预测性能.
• 在确定的集群中分析了环境组件 (度,排放,潮水平,风) 的时间变化.
• 盐水入侵的长度与潮周期和上游排放有很强的相关性,在潮过渡期间的入侵最大.

结论:

• 提出的时间序列聚类框架,特别是使用CAMELOT,为准确的,长期的水入侵预测提供了一种有效的方法.
• 了解环境因素和入侵动态之间的关系是改善预测模型的关键.
• 河口管理可以从这个早期预警系统和资源保护的框架中受益.