农业机械学报

作者：石庆兰，束金阳，李道亮，黄凯欣，查海涅

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,安庆师范大学,

关键词：稻虾共作;溶解氧;预测模型;融合循环神经网络

基金：山东省重点研发计划项目（2021TZXD006）

在稻虾养殖模式中溶解氧含量（浓度）是养殖水体的重要指标之一，其直接影响小龙虾的摄食量和新陈代谢，因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂，难以快速准确预测的问题，提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测，首先对传感器进行了清洗校准，并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型，BiLSTM提取更多特征因子，GRU实现快速预测，快速准确预测溶解氧含量变化。为了使监测预测性能更优，对不同采样周期下的资源损耗及预测模型性能进行综合对比分析，确定了传感器数据最优采样周期为30min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比，表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好，其平均绝对误差、均方根误差和决定系数分别为0.2759mg/L、0.6160mg/L和0.9547，比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。

来源：2023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2023年第10期