基于CNN-GRU混合模型的养殖工船水体溶解氧预测研究

作者：苏辉锋; 丁乐声; 王绪旺; 陈木生; 陈潇^*

来源：南方水产科学, 2023, 19(04): 174-180.

• 养殖工船
• 溶解氧
• 卷积神经网络
• 门控循环单元

溶解氧(Dissolved oxygen, DO)是影响养殖工船水产品健康生长的重要因素，准确预测DO对提高水产品产量和品质具有重要意义。为提高DO预测精度，以卵形鲳鲹(Trachinotus ovatus)养殖试验采集的数据为样本，使用卷积神经网络(Convolutional neural network, CNN)和门控循环单元(Gated recurrent unit, GRU)方法建立养殖工船水体DO预测混合模型，通过Pearsons相关性分析，选用DO、温度、pH和循环水流量4个预测因子进行训练和校准，预测了DO含量。通过与CNN、GRU和长短期记忆(Long short-term memory, LSTM)模型进行对比，所建模型在各项评价指标中的性能均最优，其均方根误差(Root mean square error, RMSE)、平均绝对误差(Mean absolute error, MAE)和决定系数R2分别为0.119、0.084和0.976。结果表明，所建模型的预测精度最高，可以满足养殖工船实际生产中对DO预测的需求，为养殖工船生产过程中DO的监控和预警提供参考。

• 单位
  南方海洋科学与工程广东省实验室（湛江）; 大连理工大学