为精准预测养殖水体溶解氧含量,以研究区6月份的8 640个数据为基础数据源,利用单因子、多因子、选择因子分别结合长短时记忆神经网络算法构建养殖水体的溶解氧含量预测模型,并对预测效果进行对比分析。结果表明,基于单因子和选择因子构...为精准预测养殖水体溶解氧含量,以研究区6月份的8 640个数据为基础数据源,利用单因子、多因子、选择因子分别结合长短时记忆神经网络算法构建养殖水体的溶解氧含量预测模型,并对预测效果进行对比分析。结果表明,基于单因子和选择因子构建的未来1 h LSTM养殖水体溶解氧含量预测模型预测集决定系数R2分别可达0.898、0.900,有较好的预测效果。但养殖水体溶解氧含量预测的影响因子众多,在预测模型的构建过程中需要注意建模因子的选择,合适的建模因子的选择可以提升预测精度,反之,降低预测精度。展开更多
文摘为精准预测养殖水体溶解氧含量,以研究区6月份的8 640个数据为基础数据源,利用单因子、多因子、选择因子分别结合长短时记忆神经网络算法构建养殖水体的溶解氧含量预测模型,并对预测效果进行对比分析。结果表明,基于单因子和选择因子构建的未来1 h LSTM养殖水体溶解氧含量预测模型预测集决定系数R2分别可达0.898、0.900,有较好的预测效果。但养殖水体溶解氧含量预测的影响因子众多,在预测模型的构建过程中需要注意建模因子的选择,合适的建模因子的选择可以提升预测精度,反之,降低预测精度。
