栏目: 海洋环境保护 http://www.jto.ac.cn zh-cn http://www.jto.ac.cn/CN/1009-5470/current.shtml http://www.jto.ac.cn 1009-5470 http://www.jto.ac.cn/CN/10.11978/2021156 本文分析了福建省平潭近海海域2013—2019年水文、水质及气象数据的主成分结果, 筛选出5个气象因子和4个水质因子作为输入指标, 以藻密度为输出指标, 分别演算了KNN (K-nearest neighbor)、RF (random forest)、GBRT (gradient-boosted regression Trees)以及Bagging (bootstrap aggregating)4种赤潮预警回归模型。对2013—2019年的802 组海洋监测数据归一化处理后, 随机选取80%的数据作为模型的训练样本, 剩余的20%作为模型验证数据。其中, 以风速、气温、海平面气压、叶绿素a浓度组合为输入指标时, KNN回归模型演算结果的精度较高(R²=0.624, RMSE=0.821μg·L^-1, MAE=0.836μg·L^-1)。在没有叶绿素a浓度监测指标的海域, 构建了以叶绿素a浓度为输出指标, 气温、日照、风速、AOI(apparent oxygen increase)组合为输入指标的BP神经网络赤潮模型, 该模型也具有较好的预警精度(R²=0.651, RMSE=0.062μg·L^-1, MAE=0.033μg·L^-1)。本研究结果可为平潭海域的赤潮预警研究提供参考。

]]>