使用科尔莫戈罗夫-阿诺德网络预测世界上最大的湖泊中的叶绿素度
Mohammad Javad Saravani1, Roohollah Noori1, Changhyun Jun2
1Graduate Faculty of Environment, University of Tehran, Tehran 1417853111, Iran.
Environmental science & technology
|January 16, 2025
概括
科尔莫戈罗夫-阿诺德网络 (KAN) 准确预测湖泊中的甲基 (Chl-a) 度,优于其他模型. 湖泊生态系统管理系统 (KAN) 能够更好地处理复杂的长期数据趋势,从而有效地管理湖泊生态系统.
科学领域:
- 环境科学 环境科学
- 数据科学数据科学数据科学
- 生态生态学 生态生态学
背景情况:
- 叶绿素-a (Chl-a) 度是湖泊缩的一个关键指标.
- 准确的Chl-a预测对于可持续的湖泊生态系统管理至关重要.
研究的目的:
- 评估Kolmogorov-Arnold网络 (KANs) 与传统的机器学习和神经网络模型进行时间序列Chl-a预测.
- 评估模型在预测大型湖泊生态系统中的Chl-a度方面的性能.
主要方法:
- 使用了每月遥感的Chl-a数据 (Aqua-MODIS,2002-2024年).
- 将KAN与MLP-NN,LSTM,GRU,RF,SVR和GPR模型进行比较.
- 在2024年3月至8月的测试和预测 (未见) 数据上评估模型性能.
主要成果:
- 在测试和预测阶段,KAN系统的表现始终优于其他所有模型.
- 在捕获Chl-a趋势,波动和峰值方面,KANs表现出卓越的准确性.
- 统计分析证实了KAN在不同地点的强大和卓越的预测能力.
结论:
- 通过利用KA表示定理,KAN有效地处理Cl-a时间序列数据中的非线性和长期依赖性.
- 与基于通用近似定理和传统ML算法的模型相比,KAN提供了更好的预测准确性.
- KAN代表了监测和管理湖泊缩的有希望的进步.
