当前位置: 首页 > 文章 > 基于粒子群优化算法和长短时记忆神经网络的蟹塘溶解氧预测 江苏农业学报 2021 (2) 426-434
Position: Home > Articles > 基于粒子群优化算法和长短时记忆神经网络的蟹塘溶解氧预测 Jiangsu Journal of Agricultural Sciences 2021 (2) 426-434

基于粒子群优化算法和长短时记忆神经网络的蟹塘溶解氧预测

作  者:
任妮;鲍彤;刘杨;荀广连;蒋永年
单  位:
江苏省农业科学院农业经济与信息研究所;江苏中农物联网科技有限公司
关键词:
溶解氧预测;河蟹养殖;粒子群优化算法;长短时记忆神经网络;
摘  要:
为准确预测蟹塘溶解氧质量浓度,及时掌握溶解氧质量浓度的变化趋势,提前采取防控措施从而降低河蟹养殖风险,提出了一种基于粒子群优化算法(PSO)和长短时记忆神经网络(LSTM)的蟹塘溶解氧质量浓度预测模型,采用PSO算法优化LSTM模型参数后对蟹塘溶解氧质量浓度进行预测。结果表明,PSO-LSTM模型不仅整体优于ARIMA模型,相较于其他LSTM模型也有更高的预测精度,在连续10个时间点的预测中相比于LDO-LSTM、LSTM和ARIMA模型平均百分误差分别降低了2.55%、1.891%和4.055%。说明PSO-LSTM模型在蟹塘溶解氧质量浓度预测中具有良好的准确性和稳定性,可以为河蟹养殖中水质精准预测与调控提供参考。

相似文章

计量
文章访问数: 23
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊