自2007年,绿潮首次在江苏盐城附近的海域出现,其生长、聚集和繁殖很大程度上受到温度以及降水、光照等因素的影响。且绿潮的漂移是在风场和洋流的共同作用下产生,由黄海南部的江苏海域向青岛海域漂移,直至最后的消亡。绿潮的产生和聚集已经给海洋生态环境造成了危害,危及海洋生物的生态平衡。我国对于绿潮灾害的预测预警工作已刻不容缓。研究绿潮的面积和绿潮的漂移路径趋势,能够对绿潮的防治管理带来有效帮助。本文针对绿潮数据较为复杂且影响因素较多,数据间相互关系难以获取,提出了一种基于灰色关联分析与粗糙集优化BP神经网络的预测模型。该模型以BP神经网络为基础,利用灰色关联分析计算绿潮数据的关联度值,筛选出关联度较低的数据予以删除,对数据进行初始预处理。其次,引入粗糙集中基于属性重要性的约简算法,通过计算重要度值实现对绿潮数据的属性约简,得到最简约简子集。将二分分割法与经验公式相结合获取隐含层节点个数,解决了BP神经网络难以确定隐含层节点数的问题。最后,依据2012、2014-2018年黄海绿潮数据,通过MATLAB进行实验分析,研究结果表明:本文的预测模型能够在精度一定的情况下,实现对网络收敛速度的改善。以2014-2018年的绿潮遥感数据为例,ArcGIS技术平台为依托,将物理学重心的概念和POM数值模式相结合研究绿潮的漂移变化趋势。在不考虑绿潮自身因素的基础上,将其看做为质量均匀的几何块,绿潮的分布重心代表了漂移运动时受力集中点。因此,利用空间分析中的MeanCenter方法计算当日绿潮的重心坐标,分析其漂移轨迹。在此基础上,利用POM海洋数值模型模拟流场数据,为绿潮的漂移预测提供输入数据,通过拉格朗日粒子追踪法根据模拟得到的数据结果,计算下一时刻绿潮的位置,形成未来一段时间内的漂移趋势图。