Высокочастотный мониторинг и модели машинного обучения для оценки синоптической изменчивости стока взвешенных наносов малой городской реки

Abstract

В статье приводятся результаты высокочастотного мониторинга стока наносов крупнейшего правого притока р. Москвы в пределах города - р. Сетуни, осуществлявшегося в 2020–2021 гг. автоматическими регистраторами оптической мутности и уровня воды. Задействованы ряда записи с 16 ноября 2019 года по 19 марта 2020 года (частота записи 10 минут), с 1 марта 2021 г. по апрель 2021 г. и с июля 2021 г. по октябрь 2021 г. (частота записи 1 минута). В условиях высокой антропогенной нагрузки средняя мутность воды р. Сетунь достигает 100 мг/л, что в 3–4 раза выше фоновых значений. Отмечается корреляция мутности с расходами воды, которая возрастает при увеличении лага по времени от 0 до 50 часов. На основе совмещения измерений мутности воды с характеристиками уровня и расхода воды, атмосферных осадков и температуры воздуха, а также производных от них, проведена настройка 5 моделей машинного обучения для прогнозирования стока наносов с разрешением 30-минут и 1 сутки. Наилучшие результаты продемонстрировала рекуррентная нейросеть LSTM RNN для прогноза суточных значений мутности воды: при среднеквадратической ошибке 10,8 NTU были верно определены время и величина локальных увеличений пика мутности.

Keywords

• сток взвешенных наносов
• мутность воды
• модели машинного обучения
• городская гидрология