基于SSA- LSTM模型的黄鳝池溶氧预测研究

溶氧含量是影响黄鳝养殖的重要因素，为提高黄鳝池溶氧浓度的预测精度，提出一种基于麻雀搜索算法(SSA)和长短期记忆神经网络(LSTM)的黄鳝池溶氧浓度预测模型，即利用SSA算法优化LSTM模型的超参数后，对循环水黄鳝养殖池的溶氧浓度进行预测。结果显示：基于SSA-LSTM模型的预测准确率为96.77%,相较于对照模型LSTM、门控循环单元(GRU)、粒子群算法-长短期记忆神经网络(PSO-LSTM)分别提升了2.09%、3.34%、0.55%。该模型其他指标均方误差(E_MSE)、平均绝对误差(E_MAE)、均方根误差(E_RMSE)分别为0.67、0.53、0.81,相较于对照模型也有明显下降。研究表明，利用SSA-LSTM模型预测黄鳝池溶氧浓度具有良好的准确性和鲁棒性，可以为黄鳝养殖中水质参数精准调控提供依据。