基于深度学习的赤潮发生预报方法研究（英文）

作者：余璇; 石绥祥^*; 徐凌宇; 王蕾; YANG Fanlin

来源：Marine Science Bulletin, 2021, 23(02): 36-56.

• 深度学习
• 神经网络
• 赤潮
• 相关性分析
• 预报

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。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小时内的赤潮情况时，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%,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。

• 单位
  上海大学; 国家海洋局东海信息中心; 国家海洋信息中心