利用机器学习技术的地表水质量模型的近期进展

地表水体受到自然灾害和人类活动导致的污染物的严重影响。通过水质监测中传感器技术的应用，已经获得了足够的数据以开发机器学习（ML）模型。众多ML模型已迅速被用于预测各种地表水体中的水质指标。本文回顾了2022年至2024年10月的78篇相关文献，将利用ML的水质量模型分为三类：点对点（P2P），基于同一时刻的其他测量估计当前目标值；序列到点（S2P），利用之前的时间序列数据预测未来某一时刻的目标值；以及序列到序列（S2S），使用之前的时间序列数据预测未来的连续目标值。每组中使用的ML模型根据水质量指标、数据可用性和模型性能进行分类和比较。认可并描述了包括特征工程、超参数调优和迁移学习在内的广泛使用的性能提升策略，以增强模型的有效性。讨论了ML应用的可解释性限制。此评审为地表水质量模型的崭露头角的ML提供了一个视角。