海洋环境大数据处理是建设智慧海洋的重要组成部分,在合理地开发海洋资源、准确地预测预警海洋灾害、有效地保护海洋环境等方面具有重要的现实意义。因此将我国某海海域环境变化作为研究对象,机器学习相关理论作为技术基础,对由浮标采集的海洋环境数据进行分析与预测研究,其研究成果已在河北省海洋地质资源调查中心的基于大数据的海洋环境观测监测技术公共服务平台项目中实施应用。主要研究内容如下:首先,研究海洋环境数据关联分析方法。针对影响海洋环境变化的水质、水文、气象和营养盐四种类型的27种浮标数据,构建基于灰度关联的海洋赤潮灾害全局分析机制,该分析机制通过计算海洋各影响因素的关联度,评估获得每种因素对海洋灾害发生的影响程度。进一步,提出基于Apriori算法的海洋灾害局部分析机制,通过挖掘每种类型元素内部之间的关联规则,形成元素的最大频繁项集。综合两种机制,得到影响海洋赤潮灾害发生的16种主要因素。其次,研究海洋环境单因素预测方法,提出平滑支持向量机回归模型。结构上,该模型是由非线性平滑器和最小二乘支持向量机构成的。非线性平滑器可以有效地处理浮标采集器所获得的海洋环境数据的异常值和噪声,最小二乘支持向量机是实现海洋环境数据时间序列预测的非线性逼近器。实验结果表明,该模型具有良好的非线性逼近性能,其单因素预测的归一化均方根误差在10%以下,皮尔逊相关系数在90%以上。最后,研究统计学习框架下的海洋环境多因素预测方法,构建基于自适应向量机回归的海洋赤潮灾害预测预警模型。这是一个多输入---单输出的预测模型,输入为多种赤潮影响因素,输出为单一赤潮决定因素。所提出的模型具备自适应的核映射机制,可以有效地选择适用于特定任务的最优核函数。实验结果表明,该方案可以准确地预警赤潮的发生,其海洋多因素预测的归一化均方根误差在7%以下,皮尔逊相关系数在95%以上。图37幅;表18个;参65篇。