基于平滑支持向量機的海洋環境數據多步長預測

李志剛 王寧

摘要：面對當前海洋環境污染局勢，有效地對海洋環境進行預測具有重大的現實意義。針對當前的眾多海洋數據預測模型采用單步長時間序列預測問題，本文采用平滑支持向量機，對海洋環境數據進行多步長時間序列預測，其預測時間尺度為8小時。實驗結果表明，該模型具有良好的回歸性能，可以有效地多時間尺度預測海洋環境數據。

關鍵詞：海洋環境數據;平滑支持向量機;時間序列預測;多尺度

中圖分類號： TP391? ? ? ? 文獻標識碼：A

文章編號：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

我國海水總體質量較好，且近幾年狀況穩定;絕大部分海域符合一類水質要求，每年均達到94%左右，二類、三類和四類水質近幾年較穩定，受污染程度不大，但是劣四類水質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，急需采取措施控制和治理[1-3]。應對目前海洋環境的緊迫局勢，精準地對海洋環境預測是當前急需解決的問題。當前眾多預測方法中，如深度學習，機器學習等，主要對海洋數據單步長預測或因素分析[4]。Li等人采用支持向量機對海洋環境數據進行單步長預測[5]，即每4小時預測一次。在此基礎上，本文采用平滑支持向量機對海洋環境數據進行每8小時預測，其預測結果可以充分體現當前海洋環境局勢，可以有效地對海洋環境進行預測預警。

2 平滑支持向量機

平滑支持向量機模型（GSL-SVM）是基于平滑濾波器與最小二乘支持向量機的組合模型，該模型具有數據與處理和數據回歸的聯合功能。平滑濾波器用于處理無規律、多噪聲、復雜的海洋環境數據，從而提供良好的數據初始值。隨后，最小二乘支持向量機用于實現對海洋環境數據的非線性擬合。最終實現海洋數據預測。該算法具體如下：

本文提出了基于平滑支持向量機的海洋環境數據多步長預測方法。平滑支持向量機模型是由平滑濾波器和最小二乘支持向量機組合而成，該模型可以有效地處理海洋數據，并對海洋數據進行精準預測。本文采用該模型對海洋數據進行了為期8小時的時間預測。預測結果表明，該模型應對多步長的時間預測，可以精準地對海洋數據進行較多尺度的時間序列預測。

參考文獻：

[1] 李夫星，鄭穎娟，張玉，等.環渤海四省市海洋可持續發展能力比較評價[J].海洋通報，2013，32（3）：338-344.

[2] 滕玲.中國近岸海水正在變清 環保部環境監測司司長劉志全解讀《2016中國近岸海域環境質量公報》[J].地球，2017（7）：36-37.

[3] 趙婧.海洋生態環境穩中向好? 陸源入海污染依然嚴重——詳解《2017年中國海洋生態環境狀況公報》[N].中國海洋報，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網絡研究[J].南京郵電大學學報（自然科學版），2017，37（4）：97-102.

【通聯編輯：唐一東】