以福建平潭海域?yàn)檠芯繉?duì)象、以葉綠素a濃度為輸出指標(biāo),根據(jù)2009-2018年赤潮期數(shù)據(jù)規(guī)律及2013-2017年海洋監(jiān)測(cè)數(shù)據(jù)主成分分析結(jié)果,對(duì)擬構(gòu)建的BP模型進(jìn)行輸入指標(biāo)篩選,選定結(jié)果包括4個(gè)氣象因子和4個(gè)水質(zhì)因子。基于此結(jié)果,對(duì)2013-2017年的698組海洋監(jiān)測(cè)數(shù)據(jù)中葉綠素a濃度進(jìn)行歸一化處理并進(jìn)行模型演算,隨機(jī)選取80%數(shù)據(jù)作為演算模型的訓(xùn)練樣本,其余進(jìn)行模型驗(yàn)證。通過交叉變換輸入指標(biāo),尋求最優(yōu)的輸入節(jié)點(diǎn)組合,以氣溫、溶解氧濃度、日照時(shí)長(zhǎng)指標(biāo)為輸入?yún)?shù)時(shí),BP模型誤差較小(均方根誤差為0.05μg/L,平均絕對(duì)誤差為0.03μg/L),演算結(jié)果精度較高(可決系數(shù)R²=0.81)。以上結(jié)果表明,氣溫、溶解氧濃度和日照時(shí)長(zhǎng)對(duì)葉綠素a濃度表征效果較好,可為平潭海域以葉綠素a濃度作為判定指標(biāo)的赤潮預(yù)警研究提供參考。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程

BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法的多層前饋型人工神經(jīng)網(wǎng)絡(luò)。利用BP神經(jīng)網(wǎng)絡(luò)可以對(duì)組成前向多層網(wǎng)絡(luò)的各人工神經(jīng)元之間的連接權(quán)值進(jìn)行不斷地修改,從而使該前向多層網(wǎng)絡(luò)能夠?qū)⑤斎胄畔⒔咏谕妮敵鲂畔ⅰP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)一般包括輸入層、隱含層和輸出層,同一層的各個(gè)神經(jīng)元之間互不連接,相....

圖22009-2018年平潭海域赤潮(a)持續(xù)時(shí)間的區(qū)間比例和(b)最大影響面積的區(qū)間比例

2009-2018年平潭海域赤潮發(fā)生基本情況如表1所示。近10a平潭沿海共發(fā)生赤潮14起,其中2012、2013年均發(fā)生3起,達(dá)到近10a最高。每年平潭海域都會(huì)受到赤潮不同程度的影響,年均持續(xù)天數(shù)達(dá)6.4d。但自2013年以來,赤潮總影響面積、發(fā)生起數(shù)大體上呈現(xiàn)遞減趨勢(shì)。發(fā)....

圖32013-2017年平潭海域赤潮歷史數(shù)據(jù)主成分分析結(jié)果

赤潮的暴發(fā)受各環(huán)境因子的綜合影響,而葉綠素a含量與浮游植物細(xì)胞密度具有相關(guān)性,能在一定程度上表征赤潮藻種的生長(zhǎng)情況,因此,將各輸入指標(biāo)與葉綠素a之間的關(guān)系進(jìn)行主成分分析(圖3),篩選出與葉綠素a相關(guān)性較強(qiáng)的影響因子進(jìn)行模型的演算,以提高模型的演算精度。通過主成分分析可知,氣溫、水....

圖4氣溫、日照時(shí)數(shù)、DO作為輸入指標(biāo)的葉綠素a的擬合結(jié)果

圖32013-2017年平潭海域赤潮歷史數(shù)據(jù)主成分分析結(jié)果4主要結(jié)論

本文編號(hào)：3934327