文献类型：期刊文章

作　　者：余璇[1] 石绥祥[1,2] 徐凌宇[1,3] 王蕾[4]

YU Xuan;SHI Suixiang;XU Lingyu;WANG Lei(School of Computer Engineering and Science,Shanghai University,Shanghai 200444,China;National Marine Data and Information Service,Tianjin 300171,China;Shanghai Institute for Advanced Communication and Data Science,Shanghai University,Shanghai 200444,China;East Sea Information Center of State Oceanic Administration,Shanghai 200136,China)

机构地区：[1]上海大学计算机工程与科学学院,上海200444 [2]国家海洋信息中心,天津300171 [3]上海大学上海先进通信与数据科学研究院,上海200444 [4]国家海洋局东海信息中心,上海200136

出　　处：《海洋通报》

基　　金：国家重点研发计划(2016YFC1401900);海洋信息技术创新中心开放基金(B201801030)。

年　　份：2021

卷　　号：40

期　　号：5

起止页码：566-577

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、PROQUEST、WOS、ZGKJHX、核心刊

摘　　要：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12 h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。

关 键 词：深度学习  神经网络 赤潮 相关性分析  预报  

分 类 号：P76[海洋科学类;海洋工程类] X43]