基于LSTM模型的海洋水质预测

摘要：

海洋水质实时预测和实时数据处理技术有利于充分利用海洋资源,发展海洋经济,解决沿海水域海水污染和水质监管问题.论文运用深度学习的长短时记忆网络(Long Short Term Memory Networks,LSTM)算法对不同时间段内采集到的海洋水质数据进行分析建模,以实现对未来海水水质的预测.与传统的支持向量回归(Support Vector Regression,SVR)算法相比,LSTM取得了更好的拟合效果,拟合优度达到0.9554,平均绝对误差为0.0117,能很好地实现对海水水质的全天候预测,从而有效地监管海洋水质变化情况,提高海洋污染预警及海洋生态保护能力.

关键词：海洋水质预测、机器学习算法、长短时记忆网络、支持向量回归、水质预测、污染预警

所属期刊栏目：48

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目;国家级大学生创新创业训练计划项目

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：437-441