基于WT-CNN-LSTM的溶解氧含量预测模型

• 作者: 于辉辉 方晓敏 杨玲 梅思远 陈英义
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 溶解氧 预测模型 小波变换 卷积神经网络 长短时记忆神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 284-291
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.10.032

摘要

溶解氧(Dissolved oxygen,DO)含量是影响水产养殖产量的重要因素之一,具有时序性、不稳定性和非线性等特点,且其影响因子过多、存在复杂的耦合关系,难以实现精准预测.针对传统长短时记忆神经网络(Long short-term memory,LSTM)预测模型易引入冗余数据,且在训练过长序列时会出现梯度消失现象,从而不能捕捉因子间长期的依赖性问题,提出了基于小波变换(Wavelet transform,WT)、卷积神经网络(Convolutional neural network,CNN)和LSTM的溶解氧含量预测模型.首先,使用WT降低数据噪声;然后,使用CNN深度挖掘各变量之间的潜在关系;最后,利用LSTM的时序性预测2h后的水产养殖溶解氧含量.结果 表明,本文提出的WT-CNN-LSTM模型预测效果良好,其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954,比传统LSTM模型分别优化了 28.87％ 、21.03％ 和 4.61％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨玲		6	23	2.0	4.0
2	陈英义		1	0	0.0	0.0
3	方晓敏		1	0	0.0	0.0
4	梅思远		1	0	0.0	0.0
5	于辉辉		1	0	0.0	0.0