期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM
被引量：
3
1
作者
尹航
李祥铜
+6 位作者
徐龙琴
李景彬
刘双印
曹亮
冯大春
郭建军
李利桥
《智慧农业（中英文）》
2021年第2期115-125,共11页
溶解氧(DO)浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解(EMD)对...
溶解氧(DO)浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF);然后分别采用长短时记忆神经网络(LSTM)和随机森林(RF)对高、低频不同尺度IMF进行建模;最后结合各分量预测结果构建叠加模型,实现对溶解氧浓度时序数据的综合预测。本研究模型在广东省湛江市南三岛对虾养殖基地展开了试验及应用,在基于真实数据集的性能测试中,经验模态分解后EMD-ELM模型与极限学习机(ELM)模型对比,平均绝对误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE)分别降低了30.11%、29.60%和32.95%。在经验模态分解基础上用RF和LSTM对不同特征尺度的本征模态分量分别预测后叠加求和,EMD-RF-LSTM模型预测的精度指标MAPE、RMSE和MAE分别为0.0129、0.1156和0.0844,其中关键指标MAPE较EMD-ELM、EMD-RF和EMD-LSTM分别降低了84.07%、57.57%和49.81%,预测精度显著提高。结果表明,本研究针对经验模态分解后高、低频分量分别预测的策略可有效提升综合性能,表明本研究模型具有较高的预测精度,能够较准确地实现对虾养殖水体中溶解氧浓度预测。
展开更多
关键词
对虾养殖
溶解氧浓度预测
经验模态分解
随机森林
长短时记忆神经网络
在线阅读
下载PDF
职称材料
题名
对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM
被引量：
3
1
作者
尹航
李祥铜
徐龙琴
李景彬
刘双印
曹亮
冯大春
郭建军
李利桥
机构
仲恺
农业
工程
学院
信息科学与技术
学院
石河子大学机械电气
工程
学院
仲恺
农业
工程
学院
智慧
农业
创新研究院
仲恺
农业
工程
学院
广东省
高校智慧
农业
工程
技术研究中心
仲恺农业工程学院广东省水禽健康养殖重点实验室
仲恺
农业
工程
学院
广东省
农产品安全大数据
工程
技术研究中心
出处
《智慧农业（中英文）》
2021年第2期115-125,共11页
基金
国家自然科学基金项目(61871475)
广东省自然科学基金项目(2021A1515011605)
+6 种基金
现代农业机械兵团重点实验室开放课题资助(BTNJ2021002)
广东省科技厅重点领域研发计划项目(2020B0202080002)
北京市自然科学基金项目(4182023)
广东省科技计划项目(2019B020215003)
广州市重点研发计划项目(20210300003)
广州市创新平台建设计划项目(201905010006)
广东省农业技术研发项目(2018LM2168)。
文摘
溶解氧(DO)浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF);然后分别采用长短时记忆神经网络(LSTM)和随机森林(RF)对高、低频不同尺度IMF进行建模;最后结合各分量预测结果构建叠加模型,实现对溶解氧浓度时序数据的综合预测。本研究模型在广东省湛江市南三岛对虾养殖基地展开了试验及应用,在基于真实数据集的性能测试中,经验模态分解后EMD-ELM模型与极限学习机(ELM)模型对比,平均绝对误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE)分别降低了30.11%、29.60%和32.95%。在经验模态分解基础上用RF和LSTM对不同特征尺度的本征模态分量分别预测后叠加求和,EMD-RF-LSTM模型预测的精度指标MAPE、RMSE和MAE分别为0.0129、0.1156和0.0844,其中关键指标MAPE较EMD-ELM、EMD-RF和EMD-LSTM分别降低了84.07%、57.57%和49.81%,预测精度显著提高。结果表明,本研究针对经验模态分解后高、低频分量分别预测的策略可有效提升综合性能,表明本研究模型具有较高的预测精度,能够较准确地实现对虾养殖水体中溶解氧浓度预测。
关键词
对虾养殖
溶解氧浓度预测
经验模态分解
随机森林
长短时记忆神经网络
Keywords
prawn pond
dissolved oxygen prediction
empirical mode decomposition
random forest
short and long-term mem‐ory neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM
尹航
李祥铜
徐龙琴
李景彬
刘双印
曹亮
冯大春
郭建军
李利桥
《智慧农业（中英文）》
2021
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
