主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

摘要：

为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型.首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模型对浙江省淡水水产养殖研究所综合实验基地某池塘溶解氧进行验证.试验结果表明:该模型与BP神经网络等其他浅层模型相比,模型评价指标平均绝对误差、均方根误差和平均绝对误差分别为0.274、0.089和0.147,均优于传统的预测方法;该模型具有良好的预测性能和泛化能力,能够满足水产养殖溶解氧精确预测的实际需要,可以为水产养殖水质精准调控提供参考.

关键词：水产养殖、溶解氧预测、主成分分析、LSTM神经网络、循环神经网络

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：山东省重点研究发展计划"设施蔬菜环境准确监测与控制技术研究与示范NO. 2017CXGC0201",北京市科技计划"淡水鱼大规模健康养殖智能控制技术装备研究与示范"Z171100001517016

在线出版日期：2018-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：183-191