论文部分内容阅读
赤潮作为海洋灾害,对海洋渔业、生态、经济,以及人类生产、生活造成了严重影响.一直以来,赤潮受到研究者的广泛关注,但由于它的形成机制比较复杂,使得赤潮预报极具挑战性.针对赤潮预报的研究问题,本文收集了厦门海域赤潮发生前后的海洋监测数据,结合皮尔逊相关系数、散布矩阵、复相关系数方法,分析多环境因子与赤潮发生多要素的关联情况,重点采用基于深度学习的LSTM与CNN融合方法,挖掘环境因子的时序依赖,发现序列数据的局部特征,对赤潮发生进行预报.在厦门一号和厦门二号数据集中,本方法在预报未来12h内的赤潮情况时,RMSE、MAE误差分别达到0.5218、0.5043.通过协同对比模型进一步确定赤潮发生的预报概率,在两个数据集上的最终预报准确率分别为67.58％和63.49％.本研究为赤潮的分析预报提供了探索经验,证明了将深度学习方法应用于赤潮预报的可行性.