混合TP预测模型

数据稀缺仍高精度

结合概率主成分分析与集成学习的可解释框架，在数据稀缺条件下显著提升总磷预测的准确性与可迁移性。

Kumar, Amit · Zhang, Kun

Journal of Hydrology 2026

参数信息

相关系数（最佳模型）

0.91

相关系数（SVR）

0.86

相关系数（Bagging）

0.81

相关系数（GPR）

0.84

技术优势

数据稀缺也能预测

概率主成分分析从有限且不一致的水质参数中提取有效特征，结合集成学习弥补数据不足。

预测更准

混合模型P2CA-Boosting的相关系数R=0.91，优于其他对比模型（SVR: 0.86, Bagging: 0.81, GPR: 0.84）。

应用场景

• 水质监测：仅用常规水质参数即可预测总磷，降低监测成本。
• 环境传感：利用已有传感数据弥补数据稀缺，提升磷污染感知能力。
• 水文模型：作为数据驱动模块嵌入水文模型，增强总磷模拟精度。