基于奇异谱分析和长短期记忆神经网络的叶绿素a浓度短时预测研究

摘要：

有害藻华(Harmful Algal Blooms,HABs)近年来在全球频繁发生,实时预报水体藻华的出现时间和区域,可为环保监督管理部门提供有效的参考依据.为了提高水华预测的准确性,本文提出了一种基于奇异谱分析(Singular spectral analysis,SSA)和长短期记忆神经网络LSTM(Long Short-Term Memory,LSTM)的SSA-LSTM模型,将BYK站点的叶绿素a浓度时间序列分解重构为趋势特征和周期特征,并对其变化的趋势进行预测.分析对比了单个LSTM、时序神经网络(Temporal Convolutional Network,TCN)、卷积神经网络(Convolutional Neural Network,CNN)的实验结果.验证了SSA-LSTM在叶绿素a短时预测上有更好的表现,模型的RMSE、MAE和MAPE分别为0.67、0.38和0.09.

关键词：叶绿素a、LSTM、短时预测、奇异谱分析

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：西华师范大学英才科研基金项目17YC149

在线出版日期：2022-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：134-137