李志刚　袁蕾

摘要：针对赤潮灾害受多种影响因素综合作用的问题，采用灰度关联算法对所有影响因素进行关联分析。选取关联性强的50%因素作为径向基神经网络的输入，用叶绿素a作为输出，来执行赤潮预测任务。实验结果表明，该模型具有良好的赤潮预测能力。

关键词：赤潮;影响因素分析;预测;灰度关联分析; 径向基神经网络

中图分类号：TP391        文献标识码：A

文章编号：1009-3044（2021）06-0004-02

Abstract： Aiming at the problem that red tide disaster is affected by multiple factors， the gray relation analysis algorithm is used to analyze the correlation of all influence factors. Furthermore， 50% factors with strong correlation are selected as the input of radial basis neural networks， and chlorophyll a is used as the output to perform the red tide prediction task. The experimental results show that the proposed model has good red tide prediction ability.

Key words： red tide; influence factors analysis; prediction; grey relation analysis; radial basis function network

1 引言

赤潮的暴發会破坏海洋生态平衡，阻碍海洋渔业和养殖业的发展，给海洋环境，人体健康和社会经济发展带来危害[1-2]。赤潮的发生是多种海洋因素综合作用的结果[3]。这些因素使得赤潮具有季节性、空间异质性和复杂非线性等特点，给赤潮预防工作带来了巨大的挑战。因此，对海洋数据进行关联分析，进而提取并预测影响赤潮发生的主要因素对预防赤潮、保护海洋环境具有重要意义。传统的经验预测和数理统计方法难以解析多因素、不规则、不稳定的海洋数据，致使赤潮影响因素特征分析不全面，容易出现误差，不利于后期的数据挖掘与融合。灰度关联算法（Grey Relation Analysis， GRA） 弥补了上述方法的缺陷，是一种可以有效处理不精确不完整数据的相关分析方法[4]。此外，人工智能技术的发展使研究人员开始将基于数据驱动的神经网络模型应用于赤潮预测研究中[5]。径向基函数（Radial Basis Function， RBF）神经网络由于其高度的非线性映射能力、较快的收敛速度和强大的噪声修复能力，使其在时间序列预测中得到广泛的关注[6]，可以用于解决多元赤潮影响因素预测问题。……