南方水产科学

作者：洪永强, 谢永和, 刘鲁强, 董韶光, 李德堂, 王云杰, 姜旭阳, 张佳奇, 王君, 高炜鹏, 陈卿

关键词：养殖工船, 水质参数, 长短时记忆网络, 麻雀搜索算法, 溶解氧预测

为了准确预测水质参数中的溶氧量，采用长短时记忆网络 (Long Short-Term Memory, LSTM) 模型，提出一种增强型麻雀搜索算法 (Enhance Sparrow Search Algorithm, ESSA) 以改进预测率的精确性。该算法引入了Circle混沌映射进行种群初始化，并结合正弦余弦算法和Levy飞行策略分别对侦察者、跟踪者的位置进行更新，以促使麻雀个体能够快速跳出局部最优解。首先将ESSA与多种其他算法进行多形态基准函数对比测试，结果表明该算法在多个基准函数上展现出出色的性能和鲁棒性；随后将其应用于LSTM模型参数寻优，并与其他优化算法进行比较，结果显示基于ESSA-LSTM模型的预测率达到99.071%，相较于基本麻雀搜索算法 (Sparrow Search Algorithm, SSA)、灰狼优化算法 (Grey Wolf Optimizer, GWO)、海洋捕食算法 (Marine Predators Algorithm, MPA)、鲸鱼算法 (Whale Optimization Algorithm, WOA) 分别提升了2.142%、6.653%、6.682%、7.714%。研究表明，使用ESSA显著提高了溶解氧预测率，并有效减少了参数设置的盲目性和时间成本。

来源：2024年第1期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2024年第1期