基于IBAS和LSTM网络的池塘水溶解氧含量预测

为了提高池塘水体中溶解氧含量(DO)预测精度,本文提出了一种基于改进的天牛须搜索算法(Improved beetle antennae search algorithm,IBAS)和长短期记忆网络(Long short-term memory,LSTM)相结合的溶解氧含量预测模型。为了降低模型输入维度,提高模型计算效率,采用皮尔逊(Pearson)相关系数分析法得出各因子与溶解氧含量之间的相关性,提取强关联因子作为模型输入特征;为了使天牛须搜索算法(Beetle antennae search algorithm,BAS)在全局搜索和局部搜索中达到平衡,提高算法的收敛速度,提出衰减因子指数递减策略改进天牛须搜索算法,将衰减因子γ与迭代次数相联系并呈指数函数递减;通过IBAS优化LSTM网络,得到最优参数组合策略,建立P-IBAS-LSTM非线性溶解氧含量预测模型。并利用该模型对江苏省宜兴市水产养殖研究中心某池塘水体溶解氧含量进行验证,预测2 h后的溶解氧含量。在与常见的7种模型对比中发现,本文所提出的方法在各项指标中都取得了最优的性能,均方误差(MSE)为0.6442 mg^(2)/L^(2)、均方根误差(RMSE)为0.8026 mg/L、平均绝对误差(MAE)为0.5306 mg/L。实验结果表明本文所提出的模型预测精度更高,泛化性能更强,可以满足实际对溶解氧含量准确预测的需求,并为池塘养殖中水质预警控制提供参考。