摘要： 溶解氧是影响水质质量的重要因素，其浓度变化受多种水质指标的影响。为此，基于大黑汀水库2021 年6月一2024年4月的水质监测数据，探究了溶解氧浓度的时空演变规律，同时利用Pearson相关性分析研究各 个指标之间的正负相关性。通过LightGBM机器学习模型预测溶解氧浓度，采用MSE(均方误差)、RMSE(均方 根误差)、MAE(平均绝对误差)、R2(决定系数)4类评价指标对模型性能进行评估。结果表明，Pearson相关 性分析证实溶解氧浓度与水温呈显著负相关，与pH值和总氯呈显著正相关。LightGBM模型预测效果良好(MSE= 0.218、RMSE=0.467、MAE=0.309、R2=0.977)。此外，使用SHAP解释影响溶解氧浓度的关键因子为水溫、 总氨和pH,总磷和氨氨影响最小。研究结果表明，所提出的模型兼具高预测粉度与强解释性，识别的关键因子 可为水库精细化治理捉供科学依据。

关键词: LightGBM;水质预测；溶解氧；Pearson;SHAP

中图分类号: 

• S181