基于SSA-LSTM模型的黄鳝池溶氧预测研究
wf(2023)
摘要
溶氧含量是影响黄鳝养殖的重要因素,为提高黄鳝池溶氧浓度的预测精度,提出一种基于麻雀搜索算法(SSA)和长短期记忆神经网络(LSTM)的黄鳝池溶氧浓度预测模型,即利用SSA算法优化LSTM模型的超参数后,对循环水黄鳝养殖池的溶氧浓度进行预测.结果显示:基于SSA-LSTM模型的预测准确率为96.77%,相较于对照模型LSTM、门控循环单元(GRU)、粒子群算法-长短期记忆神经网络(PSO-LSTM)分别提升了2.09%、3.34%、0.55%.该模型其他指标均方误差(EMSE)、平均绝对误差(EMAE)、均方根误差(ERMSE)分别为0.67、0.53、0.81,相较于对照模型也有明显下降.研究表明,利用SSA-LSTM模型预测黄鳝池溶氧浓度具有良好的准确性和鲁棒性,可以为黄鳝养殖中水质参数精准调控提供依据.
更多关键词
LSTM
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要