典型文献
福建平潭近海赤潮预警模型研究
文献摘要：
本文分析了福建省平潭近海海域2013-2019年水文、水质及气象数据的主成分结果,筛选出5个气象因子和4个水质因子作为输入指标,以藻密度为输出指标,分别演算了 KNN(K-nearest neighbor)、RF(random forest)、GBRT(gradient-boosted regression Trees)以及 Bagging(bootstrap aggregating)4 种赤潮预警回归模型.对 2013-2019 年的 802 组海洋监测数据归一化处理后,随机选取80％的数据作为模型的训练样本,剩余的20％作为模型验证数据.其中,以风速、气温、海平面气压、叶绿素a浓度组合为输入指标时,KNN回归模型演算结果的精度较高(R2=0.624,RMSE=0.821μg·L-1,MAE=0.836μg·L-1).在没有叶绿素a浓度监测指标的海域,构建了以叶绿素a浓度为输出指标,气温、日照、风速、AOI(apparent oxygen increase)组合为输入指标的BP神经网络赤潮模型,该模型也具有较好的预警精度(R2=0.651,RMSE=0.062μg·L-1,MAE=0.033μg·L-1).本研究结果可为平潭海域的赤潮预警研究提供参考.
文献关键词：
叶绿素a浓度;藻类密度;赤潮;预警模型;平潭海域
中图分类号：
作者姓名：
苏金洙;邹嘉澍;苏玉萍;张明峰;翁蓁洲;杨小强
作者机构：
福建师范大学环境科学与工程学院,福建福州350007;福建省河湖健康研究中心,福建福州350007;福建师范大学地理科学学院,福建福州350007;福州市海洋与渔业技术中心,福建福州 350007
文献出处：
引用格式：
[1]苏金洙;邹嘉澍;苏玉萍;张明峰;翁蓁洲;杨小强-.福建平潭近海赤潮预警模型研究)[J].热带海洋学报,2022(04):172-180
A类：
B类：
建平,赤潮预警,预警模型,近海海域,气象数据,气象因子,水质因子,藻密度,演算,KNN,nearest,neighbor,RF,random,forest,GBRT,gradient,boosted,regression,Trees,Bagging,bootstrap,aggregating,海洋监测数据,数据归一化,归一化处理,训练样本,模型验证,海平面气压,叶绿素,RMSE,MAE,监测指标,日照,AOI,apparent,oxygen,increase,平潭海域,预警研究,藻类密度
AB值：
0.466539
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
