何恩业，李尚鲁，杨静，季轩梁，高姗，王丹

（1.国家海洋环境预报中心自然资源部海洋灾害预报技术重点实验室，北京 100081；2.浙江省海洋监测预报中心，浙江杭州 310007）

1 引言

叶绿素a（Chl-a）作为一个生物量指标可以表征水体初级生产力状况，研究Chl-a的变化趋势对赤潮早期预警和海水富营养化潜势研究具有重要意义[1]。众多学者针对Chl-a含量的预报和研究开展了大量工作。预报方法有很多种，大体可以归纳为4类：（1）单要素指标预测法。如郭文景等[2]利用有滞后变量参与的格兰杰因果关系检验和向量自回归模型，分析了太湖水质参数对浮游植物生物量的影响；阮华杰等[3]对赤潮发生前后生态浮标各监测要素的变化进行分析，认为可以通过监测要素指标进行藻华预测。（2）传统统计学预测法。如金衍健等[4]利用舟山近岸水质监测数据建立了Chl-a多元线性回归方程；林祥[5]利用主成分线性回归分析方法建立了诏安湾Chl-a统计方程。（3）数值模拟方法。如杨德周等[6]基于POM（Princeton Ocean Model）模型模拟长江口Chl-a分布状况；崔玉洁[7]利用CE-QUAL-W2模型对三峡库区藻类水华生消过程进行模拟。（4）人工智能预测法。如张娣等[8]建立了自回归滑动平均-反向传播（AutoRegressive Moving Average-Back Propagation，ARMA-BP）模型对太湖藻类Chl-a浓度进行预测；石绥祥等[9]根据海洋各要素与Chl-a浓度之间的长短期依赖程度构建了长短期记忆网络（Long Short Term Memory network，LSTM）预测模型，预测精度大幅提高。

由于Chl-a变化成因复杂，其与环境因子之间模糊和不确定性的高度非线性关系，造成传统统计方法预测效果较差，而数值模拟对具体站点Chl-a含量预测的精确度不高，难以应用于预报实践。……