基于ICS优化RBF的水库水质三维预测方法

针对已有水质预测模型在数据降噪、网络参数初始值设置和优化、精度提高等方面能力的不足,构建了一种优化的水质三维预测模型。利用主成分分析算法筛选出水质关键参数,并基于自适应噪声的完全集合经验模态分解算法结合小波阈值模型对三维水质参数和气象数据降噪处理,使用3维卷积神经网络(Three-dimensional convolutional neural networks, 3-D CNN)提取出特征数据集,自编码器(Autoencoder, AE)获得径向基函数(Radial basis function, RBF)网络参数初始化值,改进布谷鸟搜索算法(Improved cuckoo search, ICS)优化更新网络中超参数动态初始化值。广东省湛江市徐闻县大水桥水库区域22个典型在线监测站点以及6个手持监测点的实测数据对比验证结果表明,浊度和藻密度分别与总氮含量强正相关,叶绿素含量与气温强正相关,所提出的水质预测模型在5个典型精准性评价指标方面优于已有文献方法。研究成果可为管理部门和研究者对水质监测提供参考。     

IFWA优化的BLSTM与transformer融合构建海水水质三维预测模型

为了精准揭示不同水层各个时间序列的海域养殖水质参数含量在三维空间的变化规律,该研究首先在海水水质数据处理方面提出了将主成分分析算法（principal component analysis,PCA）与互信息算法（mutual information,MI）相融合的数据处理算法（MIPCA）;其次将双向长短期记忆（bidirectional long short-term memory,BLSTM）与transformer 2个网络融合提出了新模型,即首先利用改进烟花算法（improved fireworks algorithm,IFWA）优化了双向长短期记忆神经网络中超参数;再利用transformer中注意力机制关注重要水质特征,最后将两个网络集成提出了混合模型MIPCA-BLSTM-transformer-IFWA。试验结果表明,该模型在MAPE(mean absolute percentage error)、RMSE(root mean square error)、R(coefficient of correlation)和D(willmott index of agreemen...     

神经网络在养殖水质精准预测方面的研究进展

目前神经网络研究文献成果较多，虽然在水质精准预测方面起到了一定的参考，但由于文献缺少科学分类，使用率不高，导致学者难以找到研究切入点。针对这一问题，本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类，主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述，发现混合架构模型的预测性能优于正反馈模型和循环架构模型，有利于提升不同深度水质预测模型的精度。另外，本文对基于神经网络方法的三维水质预测模型进行了初步探讨，发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面，而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。     

基于UAV-WSN MAC的海水稻生长环境信息感知

针对传统无线传感网络(wireless sensor network,WSN)在数据采集和传输上能耗、传输时延和吞吐量等难以满足海水稻生长环境监测要求，该研究提出一种WSN网络介质访问层海水稻生长环境信息感知策略(medium access layer saline-alkali tolerant rice environmental data perception strategy,MAC-SREP)，主要思想是将多无人机协同搜索区域模式映射为单无人机(unmanned arial vehicle,UAV)搜索模式，在此基础上，利用簇头节点的通信距离和UAV对地面的通信覆盖半径修正Voronoi图，再利用修正Voronoi图进行分簇，优化UAV的飞行路径；然后利用MAC层机制对UAV的数据包类型进行优先级调度和时隙分配，以保证网络资源的有效分配。仿真试验结果表明，MAC-SREP在多无人机-无线传感网络(multiple UAVs-WSN,mUAVs-WSN)的网络生命周期和网络吞吐量比单无人机-无线传感网络(single UAV-WSN,sUAV-WSN)分别提高25%和15%，端...