南方水产科学

作者：苏辉锋, 丁乐声, 王绪旺, 陈木生, 陈潇

关键词：养殖工船, 溶解氧, 卷积神经网络, 门控循环单元

溶解氧 (Dissolved oxygen, DO) 是影响养殖工船水产品健康生长的重要因素，准确预测DO对提高水产品产量和品质具有重要意义。为提高DO预测精度，以卵形鲳鲹 (Trachinotus ovatus) 养殖试验采集的数据为样本，使用卷积神经网络 (Convolutional neural network, CNN) 和门控循环单元 (Gated recurrent unit, GRU) 方法建立养殖工船水体DO预测混合模型，通过Pearsons相关性分析，选用DO、温度、pH和循环水流量4个预测因子进行训练和校准，预测了DO含量。通过与CNN、GRU和长短期记忆 (Long short-term memory, LSTM) 模型进行对比，所建模型在各项评价指标中的性能均最优，其均方根误差 (Root mean square error, RMSE)、平均绝对误差 (Mean absolute error, MAE) 和决定系数R2分别为0.119、0.084和0.976。结果表明，所建模型的预测精度最高，可以满足养殖工船实际生产中对DO预测的需求，为养殖工船生产过程中DO的监控和预警提供参考。

来源：2023年第4期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2023年第4期