排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
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。 相似文献
2.
为推进我国海洋经济和海洋生态环境的高质量和可持续发展,文章以浙江省防治海洋污染政策为例,基于2006—2017年我国48个沿海地区的面板数据,运用合成控制法定量评价陆海统筹防治海洋污染政策对宁波市海洋污染的影响,并对评价结果进行稳健性检验。研究结果表明:《浙江省近岸海域污染防治规划》围绕陆海统筹理念制定,2013年实施后有效缓解宁波市的海洋污染,促降效应的发挥同时存在时间上的滞后性和持续性,地区安慰剂和替换处理组的检验策略均证实该评价结果的稳健性。研究结果可为运用陆海统筹理念防治海洋污染提供重要的实证支持。 相似文献
3.
针对传统人工神经网络对叶绿素a浓度预测存在训练速度慢、收敛精度低、易陷入局部最优，尤其是无法灵活的利用任意长度的历史信息对叶绿素a浓度进行预测等问题，本文根据海洋各要素与叶绿素a浓度之间的长短期依赖程度，对叶绿素a浓度与各要素间的关系进行界定，分别将各要素与叶绿素a浓度之间的长期依赖关系与短期依赖关系分割开来，并且在长短期记忆(Long Short-Term Memory, LSTM)神经网络模型的基础上构建融合的LSTM预测模型，模型中的长期依赖关系与短期依赖关系分别使用不同的神经元，最终在模型的最上层进行长短期融合。本文选取三都澳站位的连续监测资料作为实验数据，实验结果表明本文构建的模型不仅具有训练误差下降快的优点，与其他3种经典的神经网络模型相比，预测精度也有显著提高。 相似文献
4.
海域承载力（MCC）是判断海洋可持续发展能力的重要依据。文章从压力与承压力两方面构建包含海洋经济系统、海洋生态系统和海洋社会系统的MCC评价指标体系。基于2005—2014年中国沿海11个省（直辖市、自治区）的空间面板数据，运用状态空间法、Moran’s I指数和β收敛模型定量刻画MCC在中国三大海区间的空间差异及其收敛性。研究发现，一方面中国MCC常年处于超载状态，改善速度缓慢，总体不容乐观，且地理位置邻近或海洋经济发展水平相当的地区间MCC不存在显著的空间自相关；另一方面，MCC在三大海区间存在空间差异性，其中东海和南海MCC较高且承载状态改善较大，黄渤海MCC较低且未见明显改善。同时，MCC空间差异处于条件收敛过程，存在MCC较落后地区的追赶效应，但收敛趋势并不稳固。其中黄渤海MCC空间差异的收敛速度最快，南海次之，东海较慢。尤为有趣的发现是条件β收敛模型报告的结果显示各控制变量对不同海区MCC变化影响的相关性和显著性不同。南海MCC变化的动因在于海洋经济规模和社会支持力度的提高；东海MCC提升速度的加快存在显著的人口红利效应；与东海和南海不同，海洋经济的发展并非黄渤海MCC变化的显著动因，同时海洋环境污染的加重会显著降低黄渤海MCC的提升速度。此外，利用效率低下使得社会支持力度的加大对黄渤海MCC的提升收效甚微。 相似文献
1