基于平滑支持向量機(jī)的海洋環(huán)境數(shù)據(jù)多步長(zhǎng)預(yù)測(cè)

李志剛 王寧

摘要：面對(duì)當(dāng)前海洋環(huán)境污染局勢(shì)，有效地對(duì)海洋環(huán)境進(jìn)行預(yù)測(cè)具有重大的現(xiàn)實(shí)意義。針對(duì)當(dāng)前的眾多海洋數(shù)據(jù)預(yù)測(cè)模型采用單步長(zhǎng)時(shí)間序列預(yù)測(cè)問題，本文采用平滑支持向量機(jī)，對(duì)海洋環(huán)境數(shù)據(jù)進(jìn)行多步長(zhǎng)時(shí)間序列預(yù)測(cè)，其預(yù)測(cè)時(shí)間尺度為8小時(shí)。實(shí)驗(yàn)結(jié)果表明，該模型具有良好的回歸性能，可以有效地多時(shí)間尺度預(yù)測(cè)海洋環(huán)境數(shù)據(jù)。

關(guān)鍵詞：海洋環(huán)境數(shù)據(jù);平滑支持向量機(jī);時(shí)間序列預(yù)測(cè);多尺度

中圖分類號(hào)： TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）16-0028-03

Abstract：Facing the current pollution situation of the marine environment， it is of great practical significance to effectively predict the marine environment. Aiming at many current ocean data prediction models that use single-step time series prediction problems， this paper uses a smooth support vector machine to perform multi-step time series predictions on marine environmental data. The prediction time scale is 8 hours. Experimental results show that the model has good regression performance and can effectively predict marine environment data on multiple time scales.

Key words： marine environment data; smooth support vector machine; time series predictions;multiple time scales

1 引言

我國(guó)海水總體質(zhì)量較好，且近幾年?duì)顩r穩(wěn)定;絕大部分海域符合一類水質(zhì)要求，每年均達(dá)到94%左右，二類、三類和四類水質(zhì)近幾年較穩(wěn)定，受污染程度不大，但是劣四類水質(zhì)面積能占到一定比例，說明海水受到一定程度的污染，而且近幾年污染面積有變大的趨勢(shì)，急需采取措施控制和治理[1-3]。應(yīng)對(duì)目前海洋環(huán)境的緊迫局勢(shì)，精準(zhǔn)地對(duì)海洋環(huán)境預(yù)測(cè)是當(dāng)前急需解決的問題。當(dāng)前眾多預(yù)測(cè)方法中，如深度學(xué)習(xí)，機(jī)器學(xué)習(xí)等，主要對(duì)海洋數(shù)據(jù)單步長(zhǎng)預(yù)測(cè)或因素分析[4]。Li等人采用支持向量機(jī)對(duì)海洋環(huán)境數(shù)據(jù)進(jìn)行單步長(zhǎng)預(yù)測(cè)[5]，即每4小時(shí)預(yù)測(cè)一次。在此基礎(chǔ)上，本文采用平滑支持向量機(jī)對(duì)海洋環(huán)境數(shù)據(jù)進(jìn)行每8小時(shí)預(yù)測(cè)，其預(yù)測(cè)結(jié)果可以充分體現(xiàn)當(dāng)前海洋環(huán)境局勢(shì)，可以有效地對(duì)海洋環(huán)境進(jìn)行預(yù)測(cè)預(yù)警。

2 平滑支持向量機(jī)

平滑支持向量機(jī)模型（GSL-SVM）是基于平滑濾波器與最小二乘支持向量機(jī)的組合模型，該模型具有數(shù)據(jù)與處理和數(shù)據(jù)回歸的聯(lián)合功能。平滑濾波器用于處理無規(guī)律、多噪聲、復(fù)雜的海洋環(huán)境數(shù)據(jù)，從而提供良好的數(shù)據(jù)初始值。隨后，最小二乘支持向量機(jī)用于實(shí)現(xiàn)對(duì)海洋環(huán)境數(shù)據(jù)的非線性擬合。最終實(shí)現(xiàn)海洋數(shù)據(jù)預(yù)測(cè)。該算法具體如下：

本文提出了基于平滑支持向量機(jī)的海洋環(huán)境數(shù)據(jù)多步長(zhǎng)預(yù)測(cè)方法。平滑支持向量機(jī)模型是由平滑濾波器和最小二乘支持向量機(jī)組合而成，該模型可以有效地處理海洋數(shù)據(jù)，并對(duì)海洋數(shù)據(jù)進(jìn)行精準(zhǔn)預(yù)測(cè)。本文采用該模型對(duì)海洋數(shù)據(jù)進(jìn)行了為期8小時(shí)的時(shí)間預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，該模型應(yīng)對(duì)多步長(zhǎng)的時(shí)間預(yù)測(cè)，可以精準(zhǔn)地對(duì)海洋數(shù)據(jù)進(jìn)行較多尺度的時(shí)間序列預(yù)測(cè)。

參考文獻(xiàn)：

[1] 李夫星，鄭穎娟，張玉，等.環(huán)渤海四省市海洋可持續(xù)發(fā)展能力比較評(píng)價(jià)[J].海洋通報(bào)，2013，32（3）：338-344.

[2] 滕玲.中國(guó)近岸海水正在變清 環(huán)保部環(huán)境監(jiān)測(cè)司司長(zhǎng)劉志全解讀《2016中國(guó)近岸海域環(huán)境質(zhì)量公報(bào)》[J].地球，2017（7）：36-37.

[3] 趙婧.海洋生態(tài)環(huán)境穩(wěn)中向好? 陸源入海污染依然嚴(yán)重——詳解《2017年中國(guó)海洋生態(tài)環(huán)境狀況公報(bào)》[N].中國(guó)海洋報(bào)，2018-04-03（3）.

[4] Li Z G，Wang G，Cai D，et al.Machine learning based dynamic correlation on marine environmental data using cross-recurrence strategy[J].IEEE Access， 2019，7：185121-185130.

[5] Li Z G，Wang N，Li Y Q，et al.Collective efficacy of support vector regression with smoothness priority in marine sensor data prediction[J].IEEE Access， 2019，7：10308-10317.

[6] 孫曉川，李瑩琦.小世界遞歸小波神經(jīng)網(wǎng)絡(luò)研究[J].南京郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），2017，37（4）：97-102.

【通聯(lián)編輯：唐一東】