基于差分回归模型和可迁移长短期记忆网络集成的三沙湾水温预测

水温预测是保障近海渔业生产和环境安全的关键技术.现有的数值模型开发成本大,业务化应用不足.本文提出了一种集成差分回归(Differential Regression,DR)和可迁移长短期记忆网络(Transferable Long Short-Term Memory,TLSTM)的水温预测方法.以厦门湾(源域,数据多)和三沙湾(目标域,数据少)水温为研究对象,根据三沙湾在线监测水温和预报气温数据建立了DR模型,根据厦门湾长时间监测水温数据建立了TLSTM模型,采用变权算法将纯差分回归模型、混差分回归模型和TLSTM模型集成为三沙湾DR-TLSTM模型,对模型性能进行了评估,并与仅根据三沙湾少量监测数据建立的LSTM模型效果进行了对比.结果表明:(1)TLSTM模型的预测精度优于基于目标域少量数据建立的LSTM模型;(2)DR-TLSTM集成模型具有较高的预测精度,未来1～7d预测的均方根误差为0.13～0.77℃,未来1～3 d预测的均方根误差小于0.4℃;(3)DR-TLSTM集成模型可有效预测水温骤升或骤降趋势,对水温突变点的预测均方根误差为0.29～1.09℃.基于本文建立的DR-TLSTM集成模型,实现了三沙湾渔业水域的水温预警预报业务化信息服务.