近日，《Water Research》（中科院一区Top，IF=11.4）刊发安徽农业大学工学院王笑宇博士课题组在巢湖水质预测理论方法研究中的最新成果《Predicting abrupt depletion of dissolved oxygen in Chaohu lake using CNN-BiLSTM with improved attention mechanism》。
该研究以探寻近年来淡水湖泊中溶解氧浓度骤降造成大规模鱼类死亡等生物灾难的规律为目标，以2020-2023年的高频水质监测数据为基础，构建了一种卷积神经网络（CNN）和注意力机制(AM)改进的双向长短期记忆（BiLSTM）耦合模型（AC-BiLSTM）来预测溶解氧的浓度变化，并用相关性分析和重要性排序分析揭示诱导生物灾难事件发生的科学机理。
结果表明：机器学习模型成功地捕捉了时间序列中的全局依赖关系；由人类活动引起的突发性点源污染是造成溶解氧骤降的主要原因；流速变化可以增加污染后湖泊的自净能力。研究成果可为湖泊水质的短期预测和变量响应机理的模型解译提供技术支撑和科学指导。
工学院王笑宇博士为第一作者，安徽农业大学为第一单位，安徽农业大学朱梅教授、贵州理工学院刘振男副教授、南京水利科学研究院王国庆教授级高工在论文写作和修改过程中提供了技术指导，2020级农业水利工程本科生唐小毅负责数据处理和主体建模工作。本研究得到了国家自然科学基金青年项目、黄河联合基金项目以及安徽省高校科研计划项目、安徽农业大学青年科学基金项目、安徽农业大学稳定和引进人才科研资助项目资助。（文/图/王笑宇 编辑/陈鑫诚 预审/郑雪林 审核/夏晓昀）
