农业机械学报

作者：徐龙琴，赫敏，陈子昂，车朱泓，庞惠元，黄天佑，李红雷，刘双印

单位：仲恺农业工程学院,仲恺农业工程学院,仲恺农业工程学院,仲恺农业工程学院,仲恺农业工程学院,仲恺农业工程学院,青岛睿创领科物联有限公司,仲恺农业工程学院,

关键词：红瓜子斑鱼;工厂化水产养殖;水温多步预测;改进河马优化算法;Mamba模型

基金：国家自然科学基金项目(62373390）、广东省自然科学基金重点项目（2022B1515120059）、广州市科技计划项目（2023E04J1238、2023E04J1239、2023E04J0037）和云浮市科技计划项目（2022020303、2023020302）

为了提高工厂化红瓜子斑鱼养殖水温预测精度，提出了一种基于改进河马优化算法（Improved hippopotamus optimization algorithm, IHO）、Mamba模型和多头自注意力机制（Multi-head self-attention，MHSA）相结合的工厂化红瓜子斑鱼养殖水温多步预测模型（IHO-Mamba-MHSA）。为降低异常值和噪声干扰，分别采用四分位距（Interquartile range，IQR）法识别异常值和线性插值法填补缺失值，通过极端梯度提升（Extreme gradient boosting，XGBoost）进行关键因子特征筛选；为提高河马算法全局和局部搜索性能，提高其收敛速度，提出了差分变异、Levy飞行和柯西变异融合改进IHO优化多目标算法；为增强预测模型捕捉水温非线性关系、处理多步依赖性和全局信息的能力，提出Mamba模型与MHSA结合的预测模型；通过IHO优化并获得Mamba-MHSA模型组合参数，构建了IHO-Mamba-MHSA的工厂化红瓜子斑鱼养殖水温多步预测模型。将该模型对山东省莱州市某工厂化红瓜子斑鱼养殖水温进行验证，本文提出的IHO算法与遗传算法（Genetic algorithm，GA）、粒子群优化算法（Particle swarm optimization algorithm，PSO）和标准河马优化算法（Hippopotamus optimization algorithm，HO）相比，本文算法的MAE、MSE和MAPE分别最高降低33.33%、21.74%和18.37%，R2最高提升4.42%，说明IHO具有较好的多参数优化性能；与LSTM、GRU、BPNN及TCN模型对比，本模型在各预测步长下均表现最佳，当步长为24时R2仍高达0.888，充分表现其在单步与多步预测中的卓越性。各项实验结果表明本模型能够满足实际工厂化红瓜子斑鱼养殖水温精准预测与精细化管理的需求，为工厂化水产养殖水质调控提供参考。

来源：2025年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第8期