基于奇异谱分析和长短期记忆神经网络的叶绿素a浓度短时预测研究

作者：易洋; 何先波^*; 王淳睿

来源：智能计算机与应用, 2022, 12(11): 134-137.

• 叶绿素a
• LSTM
• 短时预测
• 奇异谱分析

有害藻华(Harmful Algal Blooms, HABs)近年来在全球频繁发生，实时预报水体藻华的出现时间和区域，可为环保监督管理部门提供有效的参考依据。为了提高水华预测的准确性，本文提出了一种基于奇异谱分析(Singular spectral analysis, SSA)和长短期记忆神经网络LSTM(Long Short-Term Memory, LSTM)的SSA-LSTM模型，将BYK站点的叶绿素a浓度时间序列分解重构为趋势特征和周期特征，并对其变化的趋势进行预测。分析对比了单个LSTM、时序神经网络(Temporal Convolutional Network,TCN)、卷积神经网络(Convolutional Neural Network, CNN)的实验结果。验证了SSA-LSTM在叶绿素a短时预测上有更好的表现，模型的RMSE、MAE和MAPE分别为0.67、0.38和0.09。

• 单位
  电子信息工程学院; 西华师范大学