海洋浮标
26河北地质2020年第！期
陈作艺冯鑫
(1.河北省地矿局第八地质大队秦皇岛066001).河北省海洋地质资源调查中心秦皇岛066001)
摘要通过秦皇岛陆源入海数据、海洋浮标连续监测数据及人工监测数据研究秦皇岛海域赤潮，监控赤潮灾害，探索出最适于该区域的赤潮灾害预警模型。由于赤潮的发生与各影响因子之间的关系非常复杂，具有一定的非线性和不确定性，传统预测方法的预测精度不明显，而人工神经网络具有较强的非线性逼近能力，适合高维非线性系统的模拟。因此，基于人工神经网络的赤潮灾害预警模型研究能很好地提高赤潮预测精度，以叶绿素2为 关键指标的预测模型具有良好的预测效果和较高的精度。通过对赤潮灾害预警模型的研究，有利于赤潮预警信息系统的进一步完善，有利于海洋生态系统的可持续利用，对整个海洋生态环境的保护具有重要意义。 关键词赤潮灾害预警模型
1>-
1刖目
赤潮（red tide)是指在一定的环境条件下，海洋 中的浮游微藻、原生动物或细菌等在短时间内突发 性链式增殖和聚集的海洋生态异常现象。有研究表 明，全球沿岸水域爆发的有毒有害赤潮数量逐年增 加，严重破坏了海洋生态环境，使沿岸的海洋经济遭 受到沉重的打击。有毒赤潮藻产生的毒素（如麻痹 性贝毒、腹泻性贝毒、记忆缺失性贝毒、神经性贝毒 和西加鱼毒等)经食物链传递，在虑食性贝类、植食 性鱼类或其他高营养级生物体内蓄积，造成海产品 污染，对消费者的身体健康和生命安全构成极大威胁。
秦皇岛是享誉中外的休闲度假胜地，也是中央 国家机关暑期办公所在地。但近年来，秦皇岛海域 的赤潮灾害问题变得非常突出。据不完全统计，20 世纪90年代的10年间秦皇岛海域仅发生2次赤 潮，而在2000年后的12年间共发生了 22次赤潮。特别是自2009年以来，一种由微微型藻导致的褐 赤潮现象连年出现，每年影响范围最高可达到数千 平方公里（表1)，给当地类养殖业带来严重危害，对 秦皇岛近海的水体环境和生态安全都产生巨大威 胁。秦皇岛海域频繁暴发的赤潮灾害严重危害当地 的贝类养殖业发展、破坏了滨海景观和浴场休养功能，引起各级政府和社会公众的高度关注。如何进 行科学有效地预测赤潮灾害，已经成为秦皇岛海洋 环境保护迫切需要解决的重大问题。
目前，国内外有关赤潮的研究内容已经涵盖了 赤潮发生机理、生消过程、赤潮毒素、赤潮生物生理 生态、赤潮检测、监测与预报、赤潮防治等多个方面。其中，对于赤潮预警预报的研究绝大部分是围绕赤 潮预报方法展开，并且预测方法常见于传统的经验 预测法、动力学预测法、统计预测法等，由于赤
潮发 生的影响因素有很多种，海水的富营养化程度升高，水文气象的影响，海水理化因子的变化，船舶带来的 外来浮游物种等等，这种复杂性使得人们对赤潮发 生机理的认识还是不明确，再加上生态系统各因子 之间表现出高度的非线性和不确定性，传统的预测 方法真正有效的并不多见。随着人工智能的兴起，人工神经网络模型已经应用于多领域的预测，其较 强的非线性逼近能力、较高的建模能力和良好的数 据拟合能力对于赤潮发生机制的非线性特点具有良 好的解决途径。本文通过人工神经网络技术对秦皇 岛陆源人海数据、海洋浮标连续监测数据及人工监 数据 海 ，
最优模型。最后，通过最优预警模型对赤潮灾害进 行科学预测可以及早采取措施防止或应对灾害发 生，从而尽可能地减少灾害损失。
收稿日期（020-06-28；修订日期（020-07-16；编辑：高亚峰
作者筒介：陈作艺（1988 —），男，助理工程师，主要从事海洋生态学研究工+
2020年第！期陈作艺等：秦皇岛海域赤潮灾害预警模型研究27
表！2014〜2018年河北省近岸海域发生赤潮情况
年度次数时间地点面积/km2赤潮优势藻种
5.15#8.7秦皇岛近岸海域2000抑食金球藻％
5.31#
6.1秦皇岛东山浴场海域03夜光藻
6.11#6.12秦皇岛山海关卸粮口至秦皇岛港海域(5夜光藻
20146
6.13#6.15秦皇岛北戴河海域228夜光藻、微小原甲藻
9.1#9.4海8米氏凯伦藻％
9.15#9.19秦皇岛西浴场附近海域13锥状斯氏藻、叉状角藻
5.20#8.13辽宁绥中至溧河口海域825抑食金球藻％
6.3#6.6秦皇岛新开河一新河近岸海域(0中肋骨条藻、赤潮异弯藻
6.14#6.16山海 近 海5夜光
20156
6.23#6.24秦皇岛西锚地外海域3夜光
8.6#8.9东山 附近海60中肋骨条
8.11#8.19东山 附近海40针胞藻、丹麦细柱藻
4.30#
5.4近海43塔马亚历山大藻％、夜光藻
6.6#6.9东山 附近海23赤潮异弯藻％
7.5#7.11山海 海 海183红中缢虫、夜光藻
7.18#7.19东山 附近海3古老卡盾藻％
20166
7.23#7.24秦皇岛北戴河老虎石浴场附近海域
近海03赤潮异弯藻％、夜光藻
夜光藻、丹麦细柱藻、尖叶原甲藻、
中肋骨条藻、微小原甲藻％、诺氐海
7.28#8.20(5
链藻、血红哈卡藻％、红中缢虫、
赤潮异弯藻％、旋链角毛藻434唐山黑沿子附近海域2中肋骨条藻、刚毛根管藻、长角弯角藻
6.22#6.27东山 附近海
近海13中缢虫
夜光藻、微小原甲藻％、
7.4#7.1213
锥状斯克里普藻、海洋原甲藻
锥状斯克里普藻、海洋20176730#734秦皇岛金梦海湾附近海域0315原甲藻、血红哈卡藻％、
塔马亚历山大藻％
叉角藻、血红哈卡藻％、
8.9#8.26秦皇岛戴河口至金梦海湾附近海域50红中缢虫、
锥 斯克里普
9.14#9.23秦皇岛汤河口至金山嘴附近海域18春膝沟藻、锥状斯克里普藻
7.20#7.23梦海23(海洋卡盾藻％
20182
8. 28#9.4梦海83锥 斯克里普、叉
注：数据来自《河北省海洋环境状况公报》（2014 —2018)
28河北地质2020年第！期
2材料与方法
2.1材料
数据主要来源于秦皇岛8个陆源人海河口岸基 站（石河、汤河、新开河、戴河、洋河、人造河、大蒲河、
七里海）和5个海洋浮标（七里海、大蒲河、人造河、 )的监测数据* 浮标位 海域（图1)，浮标监测水深约为水下0.5 m 。水质及水 文气象仪器监测频率均为1次/30min ，主要用于收 集气象六参数和水温、盐度、pH 、DO 、C h l a 等参数;
浮标营养盐分析仪监测频率为1次/!*，监测参数 包括硝酸盐、亚硝酸盐、氨氮和正磷酸盐。浮标的水 质监 感器均为美国Y S I 公司的EXO 2 参数水质监测仪，营养盐 仪为
SYSTEA 公
司的W IZ 原位 盐
仪，水质传感器海上运行
(每月1#2次）进行维护、校准和数据比 。
监测频率为1次/!*，
主要收集
质五参数、COD 、l 、营养盐等21个参数，岸
监测仪器 维护频率为2次/月，
5
月
与实验室的数据
。
图1岸和浮标监测站位分布
22方法
CRISP — DM (跨行业数据挖掘标准流程）为一
个知识发现工程
说
个数据挖掘项目提供了
一个完整的过程描述，本
过程实际
£
是在赤潮风险预警方面的数据挖掘工作。基于赤潮 相关数据，寻到
特征，利用机器学习技术，进
行数据 掘，得到最精准的模型后完
成对赤潮风险的评估（图2)。
分析任务：赤潮风险预警
目标变量：赤潮发生风险
赤潮风险 大数据
基于代表性的采样模型 赤潮风险特征提取（X ) 赤潮风险预测模型
y =f (X )
图2赤潮风险预警原始数据模
型
其中新开河在2017. 6..发生了 赤潮，通过对2017. 5. 1〜2017. 6. 21的数据进行训 练，对2017. 6. 22〜2017. 6. 27的溶解氧、硝氮、盐 度、PH 等指标使用时序
，结果
6、
图7、图8、图9所示，其中溶解氧、硝氮、盐度、p H 的 相对误差为 5. 1%、70. 8%、4. 8%、2. 7%。
3结果
3.1
LSTM 预测模型
LSTM 模型主要调节的是时间步长T ，当模型
的步长T ，就可以通过前T 值 f 测
下
值。
选取人造河的2018. 5. 20〜2018. 5. 24的叶绿
素a 数据作为训练数据，通过L S T M 模型训练
i
2018. 5. 25的叶绿素a 值进行预测。确定LSTM 模型中T 的阶数，设置步长T 为1、3、5、7、9、11、 13、16、20、25，分别计算 根误差，当步长T 为16时，，
根误差最小。因
，
最优步长为16，即用前16个
数据
下
一时刻的值（图3)。
值与真实值的相对均方根误差为
2.87%，
值与真实值的皮尔逊
数为
0. 94，真实值与拟合值的曲线如图4所示，真实值与 预测值的曲线
5。
I
23; 16
2018/5/25 1:40
2018/5/25 4:04
时间
图5
测试集曲线
图3
时序模型网格搜索结果
♦________________♦实际值
n
n M A —
预测值
L /v
/V f
i T a w
\
j T
J
^
^1T ^w
r 2D 12 00 2018/5/22 0: 00 2018/5/23 12 00
时间
图4
训练集曲线
中新开河在2017. 6 22〜2017. 6 27发生时间
图6
溶解氧变化曲线
2.5
1.5
0.5
一
真实值
一
k 拟合值
■预测值
1
i A
L i
\
j m
i
W
v
si
H I
2017/4/25
2017/5/152017/6/4
时间
2017/6/24
图7
硝氮变化曲线
时间
图8盐度变化曲线
2020年第4期陈作艺等# 海 咒29
-25
20
9 8 7 6 5
w i
图9 p H 变化曲
线
30河北地质2020年第4期
0. 84，RRMSE 为 17. 8M 。
3.3
MUFAR 关键指标预测
影响
素除了与该指标以前的数值有
关，其它 值
化也
该
值
化有一
影响，同时还需 所在河 附近的环境素。以
七里海浮标数据中
绿素2值为例，在预测叶绿素2 值时，首
绿素2数
值作时序图（图13"
图13七里海浮标叶绿素 < 时序图
由时序图13 ，叶绿素2有很强的周期性，周期为1天，说
天 数值 丨前绿素2 值有
影响，因此需 -
绿素2
天
值做平滑化处理。
(1)特征
I
采用均值平滑化的方法去噪，设X t 为当前叶绿
素2的值，由于浮标数据的监 记录频率为0.5
3.2
ESN 关键指标预测
ESN 是R N N 的一'种，也是一'种常用的时间序
列 ，回声
池内有许多稀疏神经元，蕴含有
中
，具有
记忆
能，图10为回声 示意图。ESN 训练时需要计算储备池内的5个参数， 数据
。使用E S N 对造河 绿素2的浓度
，结果
11和
图12所示，其中图11
池
参数进行优
选及最
果。
w
输出层
U 个节点）
图10回声状态网络（E S N )
■
图11 E S N 叶绿素 < 优选及最终预测结果
_
真实值_
拟合值_
预测值
a j s
(\ /\
1 f \
fc /
\ /
1^
I d ____1T
w
W
图12 E S N 人造河叶绿素 < 预测
由图12可知，真实值与 值的相关性系数为
"
猶躜
t
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议