| 基于WT-CNN-LSTM的溶解氧含量预测模型 |
| |
| 引用本文： | 陈英义,方晓敏,梅思远,于辉辉,杨玲.基于WT-CNN-LSTM的溶解氧含量预测模型[J].农业机械学报,2020,51(10):284-291. |
| |
| 作者姓名： | 陈英义 方晓敏 梅思远 于辉辉 杨玲 |
| |
| 作者单位： | 中国农业大学信息与电气工程学院,北京100083;农业农村部农业信息获取重点实验室,北京100083;中国农业大学信息与电气工程学院,北京100083;国家数字渔业创新中心,北京100083;北京林业大学信息学院,北京100083 |
| |
| 基金项目： | 国家重点研发计划项目（2017YFE0122100）和山东省重点研发计划项目（2017CXGC0201） |
| |
| 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%。
|
| 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 |
| 收稿时间： | 2020/1/7 0:00:00 |
Dissolved Oxygen Prediction Model Based on WT-CNN-LSTM |
| |
| CHEN Yingyi,FANG Xiaomin,MEI Siyuan,YU Huihui,YANG Ling.Dissolved Oxygen Prediction Model Based on WT-CNN-LSTM[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(10):284-291. |
| |
| Authors: | CHEN Yingyi FANG Xiaomin MEI Siyuan YU Huihui YANG Ling |
| |
| Institution: | China Agricultural University;Key Laboratory of Agricultural Information Acquisition Technology, Ministry of Agriculture and Rural Affairs;China Agricultural University;National Digital Fishery Innovation Center;Beijing Forestry University |
| |
| Abstract: | |
| |
| Keywords: | dissolved oxygen prediction model wavelet transform convolutional neural networks long short term memory neural networks |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
