对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM
石河子大学机械电气工程学院;仲恺农业工程学院广东省水禽健康养殖重点实验室;仲恺农业工程学院广东省高校智慧农业工程技术研究中心;仲恺农业工程学院信息科学与技术学院;仲恺农业工程学院广东省农产品安全大数据工程技术研究中心;仲恺农业工程学院智慧农业创新研究院
- 摘 要:
- 溶解氧(DO)浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF);然后分别采用长短时记忆神经网络(LSTM)和随机森林(RF)对高、低频不同尺度IMF进行建模;最后结合各分量预测结果构建叠加模型,实现对溶解氧浓度时序数据的综合预测。本研究模型在广东省湛江市南三岛对虾养殖基地展开了试验及应用,在基于真实数据集的性能测试中,经验模态分解后EMD-ELM模型与极限学习机(ELM)模型对比,平均绝对误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE)分别降低了30.11%、29.60%和32.95%。在经验模态分解基础上用RF和LSTM对不同特征尺度的本征模态分量分别预测后叠加求和,EMD-RF-LSTM模型预测的精度指标MAPE、RMSE和MAE分别为0.0129、0.1156和0.0844,其中关键指标MAPE较EMD-ELM、EMD-RF和EMD-LSTM分别降低了84.07%、57.57%和49.81%,预测精度显著提高。结果表明,本研究针对经验模态分解后高、低频分量分别预测的策略可有效提升综合性能,表明本研究模型具有较高的预测精度,能够较准确地实现对虾养殖水体中溶解氧浓度预测。
关键词:对虾养殖;溶解氧浓度预测;经验模态分解;随机森林;长短时记忆神经网络
相似文章
-
虾价短期上涨无望 农村百事通 2021 (7) 24-25
-
对虾养殖水体氨氧化菌的多样性分析与硝化作用的特征 [蔡小龙, 林炜铁] 食品科学 2011 (S1) 52-57
-
对虾养殖中盐度对光合细菌生长影响的研究 [张冬冬] 齐鲁渔业 2020 (2) 18-19
-
丁字湾地区冬季培育钩奸、蜾贏蜚在日本对虾养殖中推广应用技术 [迟华竹] 齐鲁渔业 2020 (5) 26-27
-
内际南美白对虾"135"分级接续二茬养殖苗种中间暂养问题分析与对策 [张新峰, 王淑生, 杨勋, 李项岳] 齐鲁渔业 2019 (12) 16-18
-
基于ECharts的对虾产业数据可视化分析平台设计及实现 [尹航, 廖梓渊, 徐龙琴, 刘双印, 曹亮, 郭建军] 现代农业装备 2021,42 (4) 7-14
-
超微气泡技术在对虾室内养殖中的初步应用 [王扬才, 刘又毓, 孙元, 金中文, 赵卓维] 渔业现代化 2018 (2) 21-28
-
虾农早造投苗积极性不高 [吕华当] 海洋与渔业 2012 (4) 31-32
-
饲料巨头在主产区的横幅营销 [陈思安] 海洋与渔业 2011 (8) 25
-
暴雨对南美自对虾养殖的影响调查 [林壮炳, 李顺茂, 林耿中] 海洋与渔业 2013 (9) 82-83