基于多网络融合的水体浊度预测方法

摘要：

浊度是水产养殖中的重要水质指标,利用水质参数进行浊度预测对于水产养殖过程具有重要意义.该文提出一种基于改进的双向长短期记忆(BiLSTM)、残差网络(ResNet)和多头注意力机制网络(Multi-head Attention)相融合的浊度预测模型,并利用太湖水体数据进行验证.实验结果表明,该融合模型的R_(RMSE)、M_(MAPE)、M_(MAE)、N_(NSE)值分别为7.35NTU、12.34％、6.25NTU、0.74,相比单独使用BiLSTM模型降低了6.96 NTU、7.63％、6.34 NTU,N_(NSE)值提升了0.69,验证了使用多网络融合模型在水体浊度预测方面拟合效果更好,具有较好的精度.

关键词：浊度、BiLSTM模型、ResNet、Multi-head Attention

所属期刊栏目：42

分类号：TP391;TP183;U491.14

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：35-39