良好的海水资源是海洋生态环境持续发展的重要保障，水体富营养化程度的不断加剧，导致有害藻类的频繁爆发，叶绿素a可作为定量分析海洋藻类等浮游植物生长情况的重要指标。它与海表温度、海表风场、海浪场的变化以及人类活动等因素密切相关，探究叶绿素a浓度和环境因子的时空变及响应关系，利用长短时记忆（Long Short-Term Memory，LSTM）神经网络预测叶绿素a浓度的变化趋势，对监测有害水华起了不可替代的作用。
　　基于2003-2017年中分辨率成像光谱仪MODIS/Aqua的卫星遥感数据，对黄渤海海域长时间的叶绿素a浓度序列的时空变化趋势进行分析。结果表明黄渤海海域叶绿素a浓度在空间上存在从近海岸海域向深水海盆逐渐降低的变化趋势。从年际变化上看，黄渤海海域叶绿素a浓度在整体上呈现增长速率降低的上升趋势，但是有些区域存在相反的变化趋势。黄渤海海域叶绿素a浓度还存在明显的周期性变化和季节性变化，在7月达到最低2.41mg·m-3，4月出现最高3.43mg·m-3。此外，还发现莱州湾海域叶绿素a浓度的最大值出现在9月。通过赫斯特指数（H＞0.5）发现叶绿素a浓度还存在长记忆性。
　　黄渤海海域叶绿素a浓度的时空变化受到海表温度、海表风场和海浪场时空变化的影响。通过分析发现，黄渤海海域的海表温度、海表风场和海浪场都存在显著的季节性变化。夏季，黄渤海海域盛行偏南风，温度较高且整个海域的温度相差比较小，且没有明显的分界线。冬季盛行偏北风，温度比较低，整个海域从南到北温度逐渐降低且存在明显的温差分区，海浪比较大。春、秋季节处于海表风场风速和风向转变的季节，风向比较混乱且稳定性比较差。黄渤海海域海表风场的风速和风向表现出较为强烈的年内周期波动。黄渤海海域每个季节的波浪场与风场变化基本一致。
　　通过广义相加模型（Generalized Additive Model，GAM）分析环境因子（海表温度、风速、海浪高度和海浪方向）对叶绿素a浓度变化影响和相关性分析。结果发现叶绿素a浓度与海表温度、风速、海浪高度和海浪方向之间存在显着的非线性相关性。这些环境因子对叶绿素a浓度变化的解释率为47.9％，对叶绿素a浓度变化有显着影响。与风速，海浪高度和海浪方向相比，海表温度可以更好地解释黄渤海海域叶绿素a浓度的变化。此外，风向和人类活动的增加（例如“调水调沙”工程、河水排放）在改变黄渤海海域的叶绿素a浓度分布方面也起着重要作用。
　　叶绿素a浓度在某种程度上具有时间依赖性，且具有季节性、周期性变化和长记忆性变化，LSTM能够很好的处理这种时间序列。本文基于黄渤海海域叶绿素a浓度时间序的列分析，建立LSTM网络模型和基于LSTM变形的GRU（Gated Recurrent Unit Network）网络模型，描述我国黄渤海海域叶绿素a浓度的变化。通过建立循环神经网络（Recurrent Neural Network，RNN）模型、LSTM网络模型和GRU网络模型对叶绿素a浓度进行预测，对比发现RNN模型的精度要明显低于LSTM网络模型和GRU网络模型，但是运行时间最少。LSTM网络模型和GRU网络模型的预测结果相差不大，但GRU网络模型运行时间更短。LSTM和GRU模型的预测精度都会随着预测天数的不断增加而逐渐降低。