当前位置: 首页 > 文章 > 采用改进长短时记忆神经网络的水产养殖溶解氧预测模型 农业工程学报 2021,37 (14) 235-242
Position: Home > Articles > Prediction model of dissolved oxygen in aquaculture based on improved long short-term memory neural network Transactions of the Chinese Society of Agricultural Engineering 2021,37 (14) 235-242

采用改进长短时记忆神经网络的水产养殖溶解氧预测模型

作  者:
曹守启;周礼馨;张铮
单  位:
上海海洋大学工程学院  
关键词:
水产养殖;水质;溶解氧;聚类;LSTM;粒子群优化
摘  要:
为了精确预测水产养殖溶解氧变化趋势,该研究提出了基于K-means聚类和改进粒子群优化(Improved Particle Swarm Optimization,IPSO)的长短时记忆(Long Short-term Memory,LSTM)神经网络预测模型.根据环境因子间的相似度,应用改进的K-means聚类算法将环境数据划分为若干类.在此基础上,基于LSTM神经网络算法构建改进的水产养殖溶解氧预测模型,并引入改进粒子群优化算法对模型参数进行优化,以减少经验选取参数的盲目性.在不同天气状况下利用该模型对溶解氧进行预测.试验结果表明,在良好天气情况下,该模型预测误差曲线波动较小,预测精度更高.当天气发生突变时,溶解氧预测模型评价指标平均绝对百分误差、均方根误差、平均绝对误差和纳什系数分别为0.1295、0.6453、0.4613和0.9022.该模型一定程度改善了天气突变状况下的数据缺失、鲁棒性差等问题.
译  名:
Prediction model of dissolved oxygen in aquaculture based on improved long short-term memory neural network

相似文章

计量
文章访问数: 14
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊