基于XGBoost的溶解氧预测模型研究

作者：袁红春; 毛瑞; 杨蒙召; 张天蛟; 黄俊豪

来源：传感器与微系统, 2020, 39(10): 51-57.

DOI：10.13873/J.1000-9787(2020)10-0051-03

• 水质参数
• XGBoost模型
• 长短时记忆(LSTM)神经网络
• PCA-NARX神经网络

为了提高溶解氧的预测精度,以水产品溯源与安全预警平台的监测数据为基础,提出一种基于XGBoost模型的水质参数预测方法,并与LSTM和PCA-NARX网络预测模型进行48h内的溶解氧预测对比。仿真结果表明:通过XGBoost模型预测的结果均方根误差(RMSE)最小,在24 h和48 h内的泛化能力均高于LSTM和PCA-NARX模型。

• 单位
  上海海洋大学