基于WTD-LSTM的对虾养殖水温组合预测模型

作     者：李祥铜 曹亮 李湘丽 刘双印 徐龙琴 呼增 黄运茂 尹航 LI Xiangtong;CAO Liang;LI Xiangli;LIU Shuangyin;XU Longqin;HU Zeng;HUANG Yunmao;YIN Hang

作者机构：仲恺农业工程学院信息科学与技术学院广东广州510225 广东省高校智慧农业工程技术研究中心/广州市农产品质量安全溯源信息技术重点实验室广东广州510225 仲恺农业工程学院图书馆广东广州510225 石河子大学机械电气工程学院新疆石河子832000 

出 版 物：《广东农业科学》 (Guangdong Agricultural Sciences)

年 卷 期：2021年第48卷第2期

页      面：153-160页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61871475) 广东省科技计划项目(2017B0101260016) 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) 

主　　题：对虾 水温 预测 小波阈值降噪 长短时记忆神经网络 

摘      要：【目的】提高对虾养殖水温预测精度,及时掌握水产养殖水温变化规律。【方法】提出基于小波阈值降噪(Wavelet threshold denoising,WTD)和长短时记忆神经网络(Long short-term memory,LSTM)的水产养殖水温预测模型,利用WTD方法消除原变量间的相关性,减少数据噪声干扰并增强信号数据平滑性,进一步利用预测能力极强的LSTM进行预测。【结果】WTD-LSTM模型评价指标平均绝对误差(M_(APE))、均方根误差(R_(MSE))及平均绝对误差(M_(AE))分别为0.0104、0.0382和0.0288,与标准BP神经网络、标准ELM、标准LSTM等3种模型进行对比,评价指标M_(APE)、R_(MSE)、M_(AE)分别降低了64.85%、59.62%、64.62%,63.64%、61.18%、60.12%,47.48%、37.07%、46.27%;从可视化分析来看,WTD-LSTM预测模型预测结果贴近真实值曲线,相比其他3种模型,能很好地拟合养殖水温非线性时间序列变化趋势。【结论】WTD-LSTM模型具有良好的预测性能和泛化能力,可以满足对虾养殖水温精确预测的实际需求,能为对虾养殖水质预测预警提供决策。