基于R-OSELM的海洋环境数据在线预测

来源：南京信息工程大学学报·自然科学版杂志2023年第1期北京时间：

作者：李志刚，刘宇杰，韩国峰，程尚，付多民，李莹琦

单位：李志刚,华北理工大学 人工智能学院/河北省工业智能感知重点实验室, 唐山, 063210,刘宇杰,华北理工大学 人工智能学院/河北省工业智能感知重点实验室, 唐山, 063210,韩国峰,唐山市就业服务中心, 唐山, 063000,程尚,华北理工大学 人工智能学院/河北省工业智能感知重点实验室, 唐山, 063210,付多民,华北理工大学 人工智能学院/河北省工业智能感知重点实验室, 唐山, 063210,李莹琦,华北理工大学 人工智能学院/河北省工业智能感知重点实验室, 唐山, 063210,liyingqi@ncst.edu.cnis_first_author:0,is_contact_author:,sequence:6,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.

关键词：海洋环境数据;时间序列预测;在线预测;在线顺序极限学习机;循环神经网络

基金资助：国家重点研发计划(2017YFE0135700);河北省高等学校科学技术研究项目(ZD2021088);唐山市科技计划(19150230E)