一种基于深度学习的海洋次表层叶绿素a浓度预测方法

本发明涉及叶绿素a浓度预测领域，公开了一种基于深度学习的海洋次表层叶绿素a浓度预测方法，包括如下步骤：将卫星遥感获得的海表温度和海表叶绿素a浓度数据以及由生物地球化学浮标获得的次表层叶绿素a浓度、次表层温度和盐度剖面数据进行预处理，输入多维数据融合的深度学习模型中进行模型训练，模型包括输入层、传输层以及输出层；输入层包括Embedding模块和1DCNN‑Transformer模块；传输层为DNN模块，包括五个隐藏层，每个隐藏层由一个全连接层和一个ELU激活函数组成。本发明使用深度学习技术的融合，实现对复杂多维数据的深度挖掘和高效利用，可以精确预测次表层中叶绿素a浓度。