[发明专利]一种基于长短时记忆网络的水产养殖环境溶解氧预测方法

权利要求书

1.一种基于长短时记忆网络的水产养殖环境溶解氧预测方法，其特征在于，包括以下步骤：

S1：使用历史采集的养殖水域的溶解氧数值、pH值、温度、浊度和数据采集的周期时刻构建数据集；

S2：对数据集中的数据进行频谱分析和滤波清洗，并进行归一化处理后，建立样本集；

S3：将样本集中的温度、pH值、浊度和数据采集的周期时刻作为输入变量，将溶解氧数值作为输出变量，并将样本集分为训练集和测试集，构建长短时记忆网络LSTM；用训练集训练长短时记忆网络LSTM，采用长短时记忆的方法防止过拟合，提高预测的准确性；通过测试集测试长短时记忆网络LSTM的精度，当LSTM神经网络达到精度要求后，建立溶解氧LSTM网络模型；

S4：实时采集并保存养殖水域的温度、pH值、浊度和数据采集的周期时刻，运用步骤S3建立的LSTM网络模型预测规定范围内用户设定时间内的溶解氧数据；

S5：利用步骤S4预测的溶解氧数据，反向调节各层LSTM网络的权值阈值，用于预测下一时刻的溶解氧数值。

2.根据权利要求1所述的一种基于长短时记忆网络的水产养殖环境溶解氧预测方法，其特征在于，所述步骤S2中的滤波清洗方法为消抖滤波法。