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
• 来源期刊: 江苏农业学报
• 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
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 畜牧兽医·水产养殖|ANIMAL HUSBANDRY AND VETERINARY SCIENCES·AQUICULTURE
• 页码范围: 426-434
• 页数: 9页
• 分类号: S126
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2021.02.020

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.