基于CNN-SVR网络的黄渤海近岸海域叶绿素a浓度预测OA北大核心CSTPCD
利用海洋卫星观测数据和黄渤海近岸海域实测生态水质数据,建立了一种基于卷积神经网络结合支持向量回归(Convolutional Neural Network-Support Vector Regression,CNN-SVR)的深度学习网络模型的叶绿素a浓度预测方法。采用皮尔逊方法对叶绿素a与环境动力因子和生态水质因子作相关分析,发现营养盐因子大多与叶绿素a有显著相关性,水质因子如pH、溶解氧、盐度等与叶绿素a的相关性不大;将黄渤海近岸海域划分为渤…查看全部>>
王晓霞;汪健平;王佳莹;孙珊;苏博;姜会超;朱明明
山东省海洋资源与环境研究院,山东烟台264006 自然资源部空间海洋遥感与应用重点实验室,北京100081 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006山东省海洋资源与环境研究院,山东烟台264006 山东省海洋生态修复重点实验室,山东烟台264006
环境科学
卷积神经网络结合支持向量回归模型叶绿素a浓度预测单因子敏感性分析海洋卫星海洋生态水质因子
《海洋预报》 2024 (4)
P.77-87,11
自然资源部空间海洋遥感与应用重点实验室开放基金(202102002)。
评论