在过去的20年中，由于沿海经济的高速发展，海洋富营养化状况日益严重，赤潮发生的频率、影响规模都在不断扩大。探索赤潮的形成机理，对于预测预报赤潮、减少赤潮的损害十分关键。由于浮游植物总量是赤潮发生的标志，以2003年5-9月的实测数据作为样本，浮游植物总量为因变量，其它14组环境数据为预报因子，通过多元回归技术，给出它们的定量关系，从而确定影响藻类浓度的关键因子以及临界值。 多元回归方法很多，本文选用回归树的髓机梯度Boosting算法，该算法将梯度下降技术应用于回归树中，而且融入Bagging的思想，大大提高了预测的精度。分析最后得到的模型可以知道对浮游植物总量影响大小依次为气压＞磷酸盐＞pH＞DO＞表层水温＞叶绿素＞风速＞硅酸盐＞亚硝酸盐＞盐度＞铵盐＞化学耗氧量＞硝酸盐，而且天气(晴天，阴天，雨天)几乎不影响浮游植物总量。为了比较其它算法，综合考虑了支持向量回归，人工神经网络，MARS(multivariateadaptiveregressionsplines)，投影寻踪回归，回归树，从预留的三个数据的预测值与实测值的相对误差可以知道，绝对损失函数的随机梯度Boosting算法比起其它方法更稳健。