一種基于CEEMDAN-LSTM組合的水體溶解氧預(yù)測(cè)方法
信息技術(shù)與網(wǎng)絡(luò)安全
李 港1，幸 興2，黃健明3，駱德漢1
(1.廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州510006； 2.廣東瑞德智能科技股份有限公司，廣東 佛山528000；3.廣州華匠科技有限公司，廣東 佛山511457)
摘要： 為了對(duì)水體含氧量進(jìn)行更好的監(jiān)測(cè)，提高溶解氧含量預(yù)測(cè)精度，采用“先分解再集成”的結(jié)構(gòu)，提出了CEEMDAN-LSTM組合預(yù)測(cè)模型。首先利用CEEMDAN得到分解后的各個(gè)分量，然后對(duì)每個(gè)分量進(jìn)行LSTM建模預(yù)測(cè)，最后對(duì)所有的預(yù)測(cè)結(jié)果進(jìn)行集成，得到最終預(yù)測(cè)結(jié)果。該模型解決了單個(gè)LSTM模型預(yù)測(cè)的延遲性，與單個(gè)LSTM預(yù)測(cè)模型相比，其擬合優(yōu)度(R2)提高了3.3%，其余誤差指標(biāo)也均有所降低，預(yù)測(cè)精度得到了有效的提升；與其他模型相比，也更具優(yōu)越性。
中圖分類號(hào)： TP183
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.08.008
引用格式： 李港，幸興，黃健明，等. 一種基于CEEMDAN-LSTM組合的水體溶解氧預(yù)測(cè)方法[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40(8)：47-52.
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2021.08.008
引用格式： 李港，幸興，黃健明，等. 一種基于CEEMDAN-LSTM組合的水體溶解氧預(yù)測(cè)方法[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021，40(8)：47-52.
A method of dissolved oxygen prediction based on CEEMDAN-LSTM combination
Li Gang1，Xing Xing2，Huang Jianming3，Luo Dehan1
(1.School of Information Engineering，Guangdong University of Technology，Guangzhou 510006，China； 2.Guangdong Real-Design Intelligence Technology Co.，Ltd.，F(xiàn)oshan 528000，China； 3.Guangzhou Huajiang Technology Co.，Ltd.，F(xiàn)oshan 511457，China)
Abstract： In order to better monitor the oxygen content of water, and improve the forecast precision of dissolved oxygen content, this paper proposes the CEEMDAN-LSTM combined prediction model by adopting the structure of "decomposition before integration". Firstly, the decomposed components are obtained by using CEEMDAN, and then LSTM modeling and prediction are carried out for each component. The obtained prediction results are accumulated with the same weight, and the final prediction result is obtained. Compared with the single LSTM prediction model, the goodness of fit(R2) is improved by 3.3%, and the remaining error indicators have also been reduced, which effectively improves the prediction accuracy. Compared with other models, it has more advantages.
Key words : CEEMDAN；DO prediction；LSTM；combinatorial model
0 引言
溶解氧(Dissolved Oxygen，DO)在水體中的含量能夠反映出水體的污染程度、生物的生長狀況，是衡量水質(zhì)優(yōu)劣的重要指標(biāo)之一。而水質(zhì)的好壞直接影響水生生物的生長及其產(chǎn)品品質(zhì)。所以，對(duì)DO進(jìn)行精準(zhǔn)監(jiān)測(cè)、預(yù)測(cè)和預(yù)防是非常有必要的。水產(chǎn)養(yǎng)殖池塘中的水是一個(gè)開放、非線性、動(dòng)態(tài)、復(fù)雜的系統(tǒng)，水質(zhì)很容易受到物理、化學(xué)、生物和人類活動(dòng)等許多因子的影響。所以，運(yùn)用現(xiàn)代化信息技術(shù)尋找適合水質(zhì)監(jiān)測(cè)和預(yù)測(cè)的方法變得尤為迫切[1]。
本文詳細(xì)內(nèi)容請(qǐng)下載：http://m.jysgc.com/resource/share/2000003724
作者信息：
李 港1，幸 興2，黃健明3，駱德漢1
(1.廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州510006；
2.廣東瑞德智能科技股份有限公司，廣東 佛山528000；3.廣州華匠科技有限公司，廣東 佛山511457)
此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。