2022-08-14

许多模型被用来识别对有害蓝藻水华影响最大的输入变量。在SLR中分析的文章中，大约用70%的文章确定了最敏感的变量，在这里命名为主要预测因子(表4)。如灵敏度分析、数据挖掘、主成分分析可用于评价输入变量与模型输出之间的统计关系，预报/预测性能最敏感的变量。

2022-08-14

一些研究对多种DD建模技术在有害蓝藻水华预测中的性能和局限性进行了比较。有学者比较了12种DD建模技术，包括利用简单回归、ANN和DTs预测美国Cheney水库蓝藻细胞、微囊藻毒素和土臭素浓度。利用立体回归模型更好地再现了最大有害蓝藻水华的浓度，这也是水资源管理人员最感兴趣的，因为细胞浓度最大值通常与最危险的情况有关。

2022-08-14

遗传程序设计(GP)是一种计算方法，它使用达尔文自然选择理论的原理来解决问题，而不是直接地编程。GP通过多次迭代和交叉进行符号回归来进行程序归纳。GP可能不绝对地被归类为DD模型，因为它通常被用作其他算法的优化模型(例如逻辑回归、人工神经网络等)，最近这种技术被应用于几个湖泊的有害蓝藻水华预测。

2022-08-14

在SLR中发现了大量的DD建模技术，这些技术从简单的索引到机器学习算法都有。为了便于分析，将这些技术分类为五组：回归和指数、人工神经网络(ANN)、遗传规划(GP)、决策树(DT)和贝叶斯网络(BN)。大多数研究(使用DD建模的73篇文章中占63%)只用唯一一种方法来预测有害蓝藻水华。

2022-08-14

在SLR中确定了几个湖泊的单个PB模型，或专门为单个湖泊开发的其他模型，并侧重于主要的环境或生理因素。一些著名的模型如PROTECH、DYRESM-CAEDYM、CLAMM、MyLake、PCLake、SALMO、SALMO-OO和DBS，这些模型已被应用于几个不同环境条件的湖泊。

2022-08-14

为了评估有害蓝藻水华预测和预报模型的当前知识，进行了系统的文献综述(SLR)。具体来说，是对应用于静水水体淡水系统中已发表的有害蓝藻水华模型的案例进行了批判性综述。