典型文献
基于小波降噪和LSTM的海参养殖氨氮预测
文献摘要:
海参具有极高的营养价值和药用价值,水质环境对其产量有一定的影响.为了更好地调控水质,尽可能使海参生长在最佳状态,采用改进的小波降噪方法处理数据,建立长短期记忆(LSTM)神经网络模型对海参养殖环境中的氨氮浓度进行预测.实验分别采用多影响因素作为模型的输入,氨氮浓度作为输出,建立氨氮浓度与各水质因子之间的关系模型,实现氨氮浓度预测.实验结果表明,改进的小波降噪方法有效减少了噪声,LSTM神经网络模型在海参养殖水质预测中效果显著.所提方法为海参养殖下一步水质调控提供了参考数据,进而可提高海参养殖的质量和产量.
文献关键词:
海参养殖;LSTM;小波降噪;氨氮浓度预测
中图分类号:
作者姓名:
李先鹏;吴若男;王魏;李双双
作者机构:
大连海洋大学信息工程学院,辽宁大连116023;大连鑫玉龙海洋生物种业科技股份有限公司,辽宁大连116000
文献出处:
引用格式:
[1]李先鹏;吴若男;王魏;李双双-.基于小波降噪和LSTM的海参养殖氨氮预测)[J].控制工程,2022(04):587-592,626
A类:
氨氮浓度预测
B类:
于小波,小波降噪,海参养殖,营养价值,药用价值,水质环境,控水,降噪方法,长短期记忆,养殖环境,多影响因素,水质因子,关系模型,养殖水质,水质预测,水质调控
AB值:
0.215342
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。