深度学习模型在长江口叶绿素a浓度预测中的应用研究

来源：大连海洋大学学报杂志2025年第2期北京时间：

作者：陈炜, 韩震

单位：1.上海海洋大学 海洋科学与生态环境学院，上海 201306；2.上海河口海洋测绘工程技术研究中心，上海 201306

摘要：为研究深度学习模型在预测叶绿素a浓度中的作用，使用长短期记忆网络(LSTM)、门控循环单元网络(GRU)和卷积神经网络(CNN)3种深度学习模型比较分析长江口叶绿素a浓度预测精度。结果表明：GRU的RMSE为1.452 9 mg/m3，MAPE为15.171 6%，GRU可以有效地捕捉短期依赖关系；LSTM的RMSE为1.493 1 mg/m3，MAPE为14.759 1%，LSTM更能捕捉到关键的长期依赖关系；CNN的RMSE为1.756 1 mg/m3，MAPE为16.936 6%，CNN在分析具有空间局部性的特征数据方面效果较好。研究表明，本文提出了一种模型注意力得分计算方案，优化了GRU模型并提高了预测精度，总体RMSE为0.921 9 mg/m3，MAPE为11.209 4%。

关键词：深度学习,叶绿素a浓度,LSTM,GRU,CNN,注意力机制,长江口

基金资助：上海市海洋局科研专项(沪海科2019-03)；教育部产学合作协同育人项目(202102245031)