摘要 : [目的]提高对虾养殖水温预测精度,及时掌握水产养殖水温变化规律.[方法]提出基于小波阈值降噪(Wavelet threshold denoising,WTD)和长短时记忆神经网络(Long short-term memory,LSTM)的水产养殖水温预测模型,利用WTD方法消除原变量间的相关性,减少数据... 展开 [目的]提高对虾养殖水温预测精度,及时掌握水产养殖水温变化规律.[方法]提出基于小波阈值降噪(Wavelet threshold denoising,WTD)和长短时记忆神经网络(Long short-term memory,LSTM)的水产养殖水温预测模型,利用WTD方法消除原变量间的相关性,减少数据噪声干扰并增强信号数据平滑性,进一步利用预测能力极强的LSTM进行预测.[结果]WTD-LSTM模型评价指标平均绝对误差(MAPE)、均方根误差(RMSE)及平均绝对误差(MAE)分别为0.0104、0.0382和0.0288,与标准BP神经网络、标准ELM、标准LSTM等3种模型进行对比,评价指标MAPE、RMSE、MAE分别降低了64.85％、59.62％、64.62％,63.64％、61.18％、60.12％,47.48％、37.07％、46.27％;从可视化分析来看,WTD-LSTM预测模型预测结果贴近真实值曲线,相比其他3种模型,能很好地拟合养殖水温非线性时间序列变化趋势.[结论]WTD-LSTM模型具有良好的预测性能和泛化能力,可以满足对虾养殖水温精确预测的实际需求,能为对虾养殖水质预测预警提供决策. 收起