基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测

水温预测是保障近海渔业生产和环境安全的关键技术。现有的数值模型开发成本大，业务化应用不足。本文提出了一种集成差分回归（Differential Regression, DR）和可迁移长短期记忆网络（Transferable Long Short-Term Memory, TLSTM）的水温预测方法。以厦门湾（源域，数据多）和三沙湾（目标域，数据少）水温为研究对象，根据三沙湾在线监测水温和预报气温数据建立了DR模型，根据厦门湾长时间监测水温数据建立了TLSTM模型，采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型，对模型性能进行了评估，并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比。结果表明：（1） TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型；（2） DR-TLSTM集成模型具有较高的预测精度，未来1～7 d预测的均方根误差为0.13～0.77℃，未来1～3 d预测的均方根误差小于0.4℃；（3） DR-TLSTM集成模型可有效预测水温骤升或骤降趋势，对水温突变点的预测均方根误差为0.29～1.09℃。基于本...