|
|||||
|
|
| 基于串联深度神经网络的Chl-a浓度短期预报方法研究 | |
| 摘 要： | 以浙江海洋保护区2019年5月生态浮标监测数据为基础,对叶绿素a(Chl-a)与各理化因子进行Pearson相关性分析,发现研究海域的Chl-a与溶解氧和pH呈显著正相关(P=0.01),与硝氮和磷酸盐呈显著负相关(P=0.05)。在此基础上,建立了一种串联深度神经网络(DNN)的Chl-a短期预报模型,该模型以5层神经网络为基本单元,采用前后串联方式构建了拥有6个隐层的DNN。实验结果显示:DNN模型能够较为准确地预测Chl-a浓度短期变化趋势,24 h和48 h预报结果的RMSE分别为1.25μg/L和2.43μg/L,MAE分别为1.03μg/L和1.99μg/L,相比于浅层网络预测精度更高。 |
| 本文献已被 CNKI 等数据库收录！ | |