摘要：为有效应对秦皇岛沿岸赤潮频发的环境问题，基于2013—2022年秦皇岛沿岸浮标监测数据，分析了叶绿素a(Chla)的浓度变化特征，利用广义加性模型（GAM）筛选出Chla浓度的主要影响因子，构建Chla浓度与主要影响因子的反向传播（BP）神经网络回归模型。结果表明：Chla浓度的年际变化呈现两头高、中间低的特征，2021年为Chla浓度最高年份，老虎石、洋河口、金山嘴3个海域的平均值为9.26 μg/L；2018年最低，为3.68 μg/L；月际变化则以8月最高，7月次之，9—11月逐月降低。Chla浓度变化的GAM显示，夏季、秋季对Chla浓度影响最大的是前一日的Chla浓度，且二者呈显著非线性相关。以洋河口海域为例，建立了夏季、秋季Chla的BP神经网络回归模型，并以2023年的浮标数据进行验证，预测值与实测值吻合良好。此外，研究还首次发现Ni?o3.4指数与夏季、秋季Chla浓度的月平均值存在显著负相关关系，Chla浓度滞后Ni?o3.4指数3～5个月。
文章目录
0引 言
1 材料与方法
1.1 数据来源
1.2 数据分析方法
1.2.1 GAM分析
1.2.2 BP神经网络回归
2 结果与分析
2.1 Chla浓度变化特征
2.1.1 Chla浓度年际变化特征
2.1.2 Chla浓度月际变化特征
2.1.3 Chla浓度日内逐时变化特征
2.2 Chla浓度与环境因子的GAM分析
2.2.1 变量预分析
2.2.2 Chla浓度与环境因子的单因素GAM分析
2.2.3 Chla浓度与环境因子的多因素GAM分析
2.3 基于BP神经网络回归模型的Chla浓度预测（以洋河口海域为例）
3 讨论
3.1 Chla浓度的主要影响因子
3.2 Chla浓度与气候变化的关系
4 结论
