待分解信号复杂度增大时传统单信号分解技术易产生过高特征空间维度的高频本征模态函数(intrinsic mode function,IMF),从而严重限制了长短时记忆神经网络(long short term memory,LSTM)的长时序预报能力。以舟山群岛南部外海某观测点...待分解信号复杂度增大时传统单信号分解技术易产生过高特征空间维度的高频本征模态函数(intrinsic mode function,IMF),从而严重限制了长短时记忆神经网络(long short term memory,LSTM)的长时序预报能力。以舟山群岛南部外海某观测点所收集的海浪数据为基础,提出融合ICEEMDAN-VMD级联分解策略和LSTM的混合模型。该混合模型准确捕捉海洋波浪的非线性特征和长时序依赖规律,提高了复杂海况下对有效波高、有效波周期、波向的长时预报能力。与多变量LSTM模型相比,混合模型的48 h和72 h有效波高预测均方根误差(root mean square error,RMSE)降幅分别为53.9%和33.8%,有效波周期预测RMSE降幅分别为46.1%和39.1%,波向预测RMSE降幅分别为30.5%和23.9%。与EMD-LSTM模型相比,混合模型有效波高、有效波周期、波向的RMSE平均降幅分别为13.52%、17.79%、15.39%。展开更多
于2022年10月运用环境DNA宏条形码(Environmental DNA metabarcoding,eDNA metabarcoding)技术检测了渤海海峡庙岛群岛海域大型底栖动物群落结构和多样性,比较了环境DNA和传统形态学分类对大型底栖动物的检出效果,探索了影响底栖动物种...于2022年10月运用环境DNA宏条形码(Environmental DNA metabarcoding,eDNA metabarcoding)技术检测了渤海海峡庙岛群岛海域大型底栖动物群落结构和多样性,比较了环境DNA和传统形态学分类对大型底栖动物的检出效果,探索了影响底栖动物种类组成的主要环境因子。结果显示,在庙岛群岛海域16个站位基于18S rDNA宏条形码检测出大型底栖动物12门19纲43目88科110属223个特征序列(Amplicon Sequence Variants,ASVs),环节动物门、扁形动物门和软体动物门为优势类群;基于形态学分类检测出7大门类68个属,主要类群为环节动物和软体动物。上述两种方法所得大型底栖动物种类组成和多样性存在显著差异,环境DNA在门和属水平上能鉴定出更多的种类,Margalef丰富度指数较高,但未能注释出节肢动物甲壳纲。底层水盐度和沉积物粒度参数(中值粒径和偏度)、TOC含量是影响庙岛群岛海域大型底栖动物群落组成的主要环境因子。研究结果表明,环境DNA宏条形码技术作为一种生物多样性监测新方法在大型底栖动物快速监/检测中具有较高的应用潜力,与传统形态学分类相结合能够全面了解区域内海洋底栖动物的种类和生物多样性。展开更多
文摘待分解信号复杂度增大时传统单信号分解技术易产生过高特征空间维度的高频本征模态函数(intrinsic mode function,IMF),从而严重限制了长短时记忆神经网络(long short term memory,LSTM)的长时序预报能力。以舟山群岛南部外海某观测点所收集的海浪数据为基础,提出融合ICEEMDAN-VMD级联分解策略和LSTM的混合模型。该混合模型准确捕捉海洋波浪的非线性特征和长时序依赖规律,提高了复杂海况下对有效波高、有效波周期、波向的长时预报能力。与多变量LSTM模型相比,混合模型的48 h和72 h有效波高预测均方根误差(root mean square error,RMSE)降幅分别为53.9%和33.8%,有效波周期预测RMSE降幅分别为46.1%和39.1%,波向预测RMSE降幅分别为30.5%和23.9%。与EMD-LSTM模型相比,混合模型有效波高、有效波周期、波向的RMSE平均降幅分别为13.52%、17.79%、15.39%。
