Un cadre complet proposé pour le système de surveillance de la qualité de l'eau côtière avec un modèle prédictif d'algues

Un processus de bout en bout pour atteindre une méthodologie de cadre complet pour la prédiction de la croissance des efflorescences algales nuisibles (HAB) est crucial pour la gestion de l'eau, surtout dans l'implémentation d'une modélisation prédictive robuste des HAB pour prévenir la pollution de l'eau. Les travaux précédents se sont concentrés séparément sur la partie prédiction ou l'implémentation du système de surveillance de l'eau qui implique l'intégration de capteurs via l'Internet des Objets (IoT). Ces études manquent de discussion sur à la fois l'IoT avec le domaine écologique des algues et la méthode de prédiction. Par conséquent, cet article prend l'initiative de fournir une couverture plus large sur le processus de bout en bout, y compris l'assemblage et l'intégration de capteurs, l'acquisition de données et la modélisation prédictive en utilisant des approches basées sur les données, par exemple, l'apprentissage automatique, l'apprentissage profond et l'algorithme de prévision de séries chronologiques profondes pour l'atténuation des futures éclosions d'algues. Cet article estime que la discussion dans une perspective de cadre complet basée sur l'exécution de chaque phase est importante en plus de fournir une véritable compréhension des facteurs de croissance des algues et des problèmes de prédiction pour parvenir à un algorithme de prédiction robuste pour la croissance des algues. En fin de compte, cet article présente la preuve que le choix des bonnes caractéristiques et l'utilisation de séries temporelles avec l'apprentissage profond sont beaucoup mieux pour traiter les problèmes de données écologiques d'algues hautement non linéaires et dynamiques qui sont brièvement introduits dans cet article. Parmi tous les algorithmes sélectionnés, la mémoire à long terme et à court terme (LSTM) est le mieux adaptée à la méthode de prédiction et a surpassé d'autres méthodes d'apprentissage automatique de base dans la prédiction précise de la croissance des algues par la prédiction de la chlorophylle-a (Chl-a) comme indicateur fort de la présence d'algues pour les études côtières.