农业机械学报

作者：陈英义，方晓敏，梅思远，于辉辉，杨玲

单位：中国农业大学;农业农村部农业信息获取重点实验室,中国农业大学;国家数字渔业创新中心,中国农业大学;国家数字渔业创新中心,北京林业大学,中国农业大学;国家数字渔业创新中心,

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

基金：国家重点研发计划项目（2017YFE0122100）和山东省重点研发计划项目（2017CXGC0201）

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2?h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%。?

来源：2020年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第10期