一到十二个月前预测MODIS衍生的青海湖地区,使用神经模糊系统通过火虫优化混合

科学领域:

• 环境科学 环境科学
• 遥感 遥感 遥感 遥感
• 机器学习 机器学习

背景情况:

• 湖泊是重要的地表水源,影响地区气候和生物多样性.
• 湖泊面积的波动对生态系统产生重大影响,需要可靠的预测.
• 预测湖区变化有助于管理水资源和保护生物多样性.

研究的目的:

• 用机器学习数字预测青海湖的面积波动.
• 预测湖面面积的变化1至12个月前.
• 评估混合适应性神经模糊推理系统 (ANFIS) 与火虫算法 (FA) 优化的准确性和适用性.

主要方法:

• 利用中等分辨率成像光谱辐射仪 (MODIS) 传感器图像 (2000-2021) 进行月度湖区监测.
• 采用了通过火虫算法 (FA) 优化的自适应性神经模糊推理系统 (ANFIS) 作为预测模型 (ANFIS-FA).
• 输入数据包括MODIS衍生的湖区时间序列,数据分为训练 (75%) 和测试 (25%) 集.

主要成果:

• ANFIS-FA模型在所有预测时间跨度 (1-12个月) 中都表现出可接受的准确性,R2值在88-92%之间.
• 根平均平方误差 (RMSE) 范围为477-594平方公里,正常化的RMSE为0.095-0.125,表明适当的模型性能.
• 火算法使ANFIS预测准确度平均提高了16.9%,在干旱月份观察到的误差较低.

结论:

• 该ANFIS-FA混合模型为青海湖的面积波动提供了准确可靠的预测.
• 该方法对水资源管理,环境规划和生态系统保护有价值.
• 这种方法具有研究潜力,可以预测全球其他湖泊的面积变化.