农业机械学报

作者：王朕，陈聪，曹光乔，朱虹，沈启扬，赵伟

单位：农业农村部南京农业机械化研究所;咸宁市农业科学院,农业农村部南京农业机械化研究所,农业农村部南京农业机械化研究所;中国农业科学院,江苏省农机具开发应用中心,江苏省农机具开发应用中心,咸宁市农业科学院,

关键词：水产养殖;多任务学习;时序记忆;水质监测;预测模型

基金：江苏省现代农机装备与技术示范推广项目（NJ2023-56)

随着集约化鱼类养殖的发展，养殖管理对水质监测与鱼类健康评估提出了更高要求。为了实现基于多模态水质数据的鱼类生长速度与患病比例的联合预测，本文提出一种融合长短记忆神经网络（LSTM）与软注意力机制的多任务学习模型（MTL-LSTM-SAT）。选取湖北省咸宁市养殖基地的集约化养殖红罗非鱼作为试验对象，采集pH值、水温、溶解氧质量浓度、氨氮质量浓度、投饲量等环境因子及鱼类体质量、健康状态数据，构建时间序列输入、输出特征。通过引入LSTM结构提取水质变化的时序特征，并结合软注意力机制聚焦关键时间步，有效提升了模型对复杂环境动态的建模能力。试验结果表明，本文模型在鱼类生长速度预测中，平均绝对误差（MAE）为0.074g/d，均方根误差（RMSE）为0.092g/d；在患病比例预测中，MAE为0.00097，RMSE为0.00122，相较于传统RNN、GRU、BiLSTM、LSTM与单任务模型均有显著提升。多组对比试验与消融试验验证了本模型在准确性、稳定性与泛化能力方面的优越表现。研究结果为智能化鱼类养殖策略优化提供了理论支撑与算法工具。

来源：2025年第11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11期