基于小波降噪和LSTM的海参养殖氨氮预测
海参具有极高的营养价值和药用价值,水质环境对其产量有一定的影响.为了更好地调控水质,尽可能使海参生长在最佳状态,采用改进的小波降噪方法处理数据,建立长短期记忆(LSTM)神经网络模型对海参养殖环境中的氨氮浓度进行预测.实验分别采用多影响因素作为模型的输入,氨氮浓度作为输出,建立氨氮浓度与各水质因子之间的关系模型,实现氨氮浓度预测.实验结果表明,改进的小波降噪方法有效减少了噪声,LSTM神经网络模型在海参养殖水质预测中效果显著.所提方法为海参养殖下一步水质调控提供了参考数据,进而可提高海参养殖的质量和产量.
海参养殖、LSTM、小波降噪、氨氮浓度预测
29
TP18(自动化基础理论)
辽宁省教育厅青年科技人才育苗项目;大连市科技之星项目
2022-06-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
587-592,626