赤潮预测的人工神经网络方法初步研究

赤潮是一种由多因素综合作用引发的生态异常现象,具有突发性及非线性等特点。对其进行预测预报一直是海洋科学研究的热点。探讨了应用人工神经网络原理进行赤潮预测的方法,简要介绍了BP和RBF算法的基本原理,用2种算法对不同海域赤潮生物与环境因子之间非线性和不确定性的复杂关系进行学习训练和预测检验,并与传统的统计方法进行了比较。结果表明：人工神经网络方法在模拟和预测方面优于传统的统计回归模型,具有较强的模拟预测能力及实用性,值得进一步探索。     

赤潮预报的人工神经网络方法

基于渤海湾赤潮观测数据(2003年5月~9月),对藻类浓度与环境因子进行了相关性分析,选择出影响藻类浓度的主要环境因子,然后对主要环境因子作主成分分析,在主成分分析的基础上,建立了一个用于赤潮预报的人工神经网络模型。     

利用化学因子预测赤潮的可行性探讨

本文从化学的角度对赤潮预报进行了可行性探讨 ,分析了部分化学参量作为赤潮预报依据的机理 ,综述了赤潮化学预报的研究现状 ,并对今后的赤潮预报研究进行了探讨.     

赤潮成因及预报方法

随着沿海工业、农业的迅速发展,赤潮作为海洋灾害之一出现频率越来越大,造成的损失 也日益严重;已经引起人们的特别关注。本文拟就赤潮的特点与产生机理进行分析并结合实例 及国内外研究经验与结果对其预报方法作了初步概括与探讨。     

赤潮成因及预报方法

随着沿海工业,农业的迅速发展,赤潮作为海洋灾害之一出现的频率越来越大,造成的经济损失也日益严重,已经引起人们的特别关注。本文拟就赤潮的特点与产生机理进行分析,并结合实例及国内外研究经验与结果对其预报方法作初步概括与探讨。     

海洋二所开创赤潮预报先例

国家海洋局第二海洋研究所海洋遥感研究室承担的“浙江省海洋水产养殖区赤潮监测及其短期预报试验性研究”是浙江省科技计划重点项目,截止到1997年底的3年时间内,该所利用卫星遥感、生物和化学技术监测等手段,在     

开展预报研究 控制赤潮灾害

近十年来，赤潮已成为全球性一大海洋灾害，许多滨海国家都面临着由它带来的社会经济和人类健康的严重威胁。如80年代加拿大政府颁布了夏秋之交（赤潮高发季节）禁止市场出售食用海洋贝类，并规定按期检测海洋贝内中麻痹性贝毒的含量，如每百克含量超过80Vg就禁止来捕。一些受赤潮灾害较重的国家为防止赤潮发生，投入大量的资金，开展预报和对策研究。如日本在ig75～1990年，投资高达300多亿日元，其中对策研究占42％。同时，加强法制建设，制订各种有机污染物排放标准，确定各特定水域的环境容量，合理分配排放总量，采用这些措施已取得了…     

赤潮的研究和预报

赤潮灾害对我国沿海养殖业造成了巨大的经济损失，对海洋生态环境也产生了极大的破坏，威胁了滨海旅游业的发展。为了更全面地了解赤潮灾害，防治赤潮灾害，本文对赤潮灾害的特点进行初步研究并总结了目前使用的赤潮预报方法。     

长江口溶解氧赤潮预报简易模式

在海洋浮游生物中,有很多单细胞微小生物,由于异常地急剧繁殖,并高度密集在一起,从而引起海水变色的现象,称谓“赤潮”.目前,普遍认为赤潮的发生与海水中磷、氮等营养盐、铁、锰等微量元素以及某些有机化合物的大量增加有关[l];另外,还与水体的停滞和气象条件密切联系[2,3].赤潮的发生意味着生态平衡的破坏.     

基于BP人工神经网络平潭海域赤潮叶绿素a浓度模型演算研究

以福建平潭海域为研究对象、以叶绿素a浓度为输出指标,根据2009-2018年赤潮期数据规律及2013-2017年海洋监测数据主成分分析结果,对拟构建的BP模型进行输入指标筛选,选定结果包括4个气象因子和4个水质因子。基于此结果,对2013-2017年的698组海洋监测数据中叶绿素a浓度进行归一化处理并进行模型演算,随机选取80%数据作为演算模型的训练样本,其余进行模型验证。通过交叉变换输入指标,寻求最优的输入节点组合,以气温、溶解氧浓度、日照时长指标为输入参数时,BP模型误差较小(均方根误差为0.05μg/L,平均绝对误差为0.03μg/L),演算结果精度较高(可决系数R~2=0.81)。以上结果表明,气温、溶解氧浓度和日照时长对叶绿素a浓度表征效果较好,可为平潭海域以叶绿素a浓度作为判定指标的赤潮预警研究提供参考。     

Forecast of storm surge by means of artificial neural network

This study describes the construction and verification of a model of sea level changes during a storm surge, applying artificial neural network (ANN) methodology in hydrological forecasting in a tideless sea where the variation of water level is only wind generated. Some neural networks were tested to create the forecast model. The results of ANN were compared with observed sea-level values, and with the forecasts calculated by different routine methods. The results of verification show that the neural network methodology could be successfully applied in the routine, operational forecast service.     

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。     

基于深度学习的赤潮发生预报方法研究

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0.521 8、0.504 3。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。     

基于异地潮位资料和BP神经网络的潮位推算研究

文章通过BP神经网络模型,利用西沙站的实测潮位推算三亚站潮位,研究用一地点的潮位资料去推算另一地点(异地)潮位的方法。文章比较了不同隐含层节点数和输入因子对潮位推算结果的影响,采用预测时间(t)之前N个小时(t–N+1,…,t–1,t)西沙站的实测潮位数据作为输入因子,输入因子数目在2~10之间,隐含层分别采用节点数3、4、5、10和15建模,分多种情况进行推算。结果显示,对文中使用的特定情形,隐含层为4个节点的效果最好,隐含层为15个节点的效果最差;输入层为2个节点的效果最好,输入因子增多会使得推算效果变差。隐含层为4个节点、输入因子为t–1、t时刻潮位的仿真验证的结果最好,推算值和实测值之间的相关系数为0.9901,均方根误差为0.06m,误差在–0.16~0.15m之间。结果表明,如果两个地点的潮位具有物理上的关联,通过BP神经网络模型,用一地点的实测潮位推算另一地点潮位的方法是可行的。     

Wavelet and artificial neural network analyses of tide forecasting and supplement of tides around Taiwan and South China Sea

In multi-resolution analysis (MRA) by wavelet function Daubechies (db), we decompose the signal in two parts, the low and high-frequency contents. We remove the high-frequency content and reconstruct a new “de-noise” signal by using inverse wavelet transform. The calculation of tidal constituent phase-lags was made to determine the input and output data patterns used in building network structure of Artificial Neuron-Network (ANN) model. The “de-noise” signal was, then, used as the input data to improve the forecasting accuracy of the ANN model. The wavelet spectrum, conventional energy spectrum (fast Fourier transform, FFT), and harmonic analysis were used to analyze the characteristics of tidal data.Using only a very short-period data as a training data set in Artificial Neuron-Network Back-Propagate (ANN-BP) model, the developed ANN+Wavelet model can accurately predict or supply the missing tide data for a long period (1–5 years). The results also show that the concept of tidal constituent phase-lags can improve ANN model of tidal forecasting and data supplement. The addition of the wavelet analysis to ANN method can prominently improve the prediction quality.     

人工神经网络在潮位探测系统中的应用研究

叙述了人工神经网络算法在“Ku波段微波海洋波高/潮位探测系统”中的应用研究成果,介绍了检测微波回波信号中的中频信号和9/256点插值神经网络的设计方法及训练模型,并把这两个网络应用于探测系统,使系统波高/潮位的探测精度提高了1个数量级,还保证了监测的实时性,提出了某些减少训练时间的方法。     

Effects of four nitrogen substrates on growth of several red tide species

--Eight common red tide species including the Dinoflagellates Ale randrium tamarense,Prorocentrum minimum, Prorocentrum mican, Diatoms Skeletonema costatum , Cerataulina pelagica, Leptocylindrus minimus, a Raphidophyte Heterosigma akashiwo and a Chrysophyte Ivohrysis galbana were chosen to study the effect of four nitrogen substrates ( NO3 - N, NH4 - N, Urea - N,Mixed - N) on the growth of these algae. After two transfers, the results showed that at N concentration of 550μrnol, NO3 N was the best nitrogen source among these four nitrogen substrates; Urea - N and Mixed- N were also good for the growth of most algae, but not as good as NO3 - N for some species; NH4 - N inhibited the growth of all these species except H. akashiwo. At concentrations of 280 and 50 μmnol experiments on the growth of I. galbana, P. minimum and L. minimus in NH4 - N and NO3 - N substrates were also performed. The results showed that the growth rates of I. galbana were not significantly different from each other in NO3 - N and NH4 - N substrates both concentrations of 280 and 50 μmol. In concentration of 280μmol NH4 - N substrate, the growth rates of P.minimum and L. minimus were slower than in same concentration of NO3 - N; At concentration of 50μrmol , the growth rate of P. minimum in NH4 - N was not significantly different from that in NO3 - N, while the growth rate of L. minimus was only about 30% of that in NO3 - N substrate.The results indicated that each alga had its own preference in N-substrate and concentration, therefore,different nitrogen substrates may play a role in red tide formation.     

SeaWiFS探测1997年闽南赤潮模型研究

在１９９７年秋季厦门附近海域微吓灌赤潮水体现场反射光谱测量的基础上,根据对ＳｅｓＷｉＦＳ可见光范围内各波段离水辐射率变化的分析,提出３、４、５波段离水辐射率差值（Ｌｗ５＋Ｌｗ３－２Ｌｗ４）〉Ｃ模型,用它计算了１９９７年１１月和１２月 潮时相的ＳｅａＷｉＦＳ图象,结果和赤潮发生的实际状况一致。