[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

摘要

本发明提供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，属于水产养殖领域。该方法将历史采集的数据作为数据集，对数据进行预处理后建立样本集；将样本集分为训练集和测试集，采用长短时记忆网络LSTM防止过拟合，使用训练集训练LSTM，使用测试集测试后，得到LSTM模型；采集实时溶解氧、pH、浊度，并根据历史数据用LSTM模型预测用户设定时间的溶解氧；根据后续实时采集的溶解氧值和LSTM网络预测的溶解氧值，反向传播调节网络参数，用于下时刻预测。本发明考虑当前养殖环境参数同历史养殖环境参数时间序列上的相关性，建立LSTM模型，用于预测用户设定时间范围内的溶解氧数值，提高养殖效率，节约成本。

主权项

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。