当前位置: X-MOL 学术ACS ES&T Eng. › 论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
基于深度学习的印度地下水位趋势预测:对作物生产和饮用水供应的影响
ACS ES&T Engineering ( IF 7.4 ) Pub Date : 2021-04-23 , DOI: 10.1021/acsestengg.0c00238
Pragnaditya Malakar 1 , Abhijit Mukherjee 1, 2 , Soumendra N. Bhanja 3 , Sudeshna Sarkar 4 , Dipankar Saha 5 , Ranjan Kumar Ray 6
Affiliation  

尽管最近进行了大量研究,但对于印度地下水储存 (GWS) 变化的主要驱动因素尚未达成共识。因此,预测未来的地下水位趋势似乎很遥远。在这种情况下,我们使用重力恢复和气候实验 (GRACE) 衍生的 GWS、基于 WaterGap 模型的地下水补给 (GWR) 和地下水抽取 (GWW),表明 GWW 在印度的 GWS 变化上表现出比 GWR 更强的优势。此外,我们开发了前馈神经网络 (FNN)、循环神经网络 (RNN) 和基于深度学习的长短期记忆网络 (LSTM) 模型,这些模型使用来自监测井 ( n)的密集网络的多深度原位观测。= 5367, 1996–2018),以模拟和预测印度的地下水位 (GWL)。结果表明,LSTM(>84% 的观测井显示r > 0.6,RMSE n < 0.7)在整个印度的性能更好,在 5 年(2014-2018 年)的测试期间优于 FNN 和 RNN。我们的估计还表明,除了普遍存在的长期(1996-2018)统计显着(p< 0.1) 印度西北部和恒河流域的 GWL 趋势下降,在 5 年的预测期内(2019-2023 年),印度中北部和南部部分地区可能会观察到更高的下降趋势。我们预计,研究中提出的预测方法有助于改善印度 13 亿人的城乡饮用水供应和可持续作物生产。



"点击查看英文标题和摘要"

更新日期:2021-06-11
down
wechat
bug