一种基于CEEMDAN-LSTM组合的水体溶解氧预测方法
信息技术与网络安全
李 港1，幸 兴2，黄健明3，骆德汉1
(1.广东工业大学 信息工程学院，广东 广州510006； 2.广东瑞德智能科技股份有限公司，广东 佛山528000；3.广州华匠科技有限公司，广东 佛山511457)
摘要： 为了对水体含氧量进行更好的监测，提高溶解氧含量预测精度，采用“先分解再集成”的结构，提出了CEEMDAN-LSTM组合预测模型。首先利用CEEMDAN得到分解后的各个分量，然后对每个分量进行LSTM建模预测，最后对所有的预测结果进行集成，得到最终预测结果。该模型解决了单个LSTM模型预测的延迟性，与单个LSTM预测模型相比，其拟合优度(R2)提高了3.3%，其余误差指标也均有所降低，预测精度得到了有效的提升；与其他模型相比，也更具优越性。
中图分类号： TP183
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.08.008
引用格式： 李港，幸兴，黄健明，等. 一种基于CEEMDAN-LSTM组合的水体溶解氧预测方法[J].信息技术与网络安全，2021，40(8)：47-52.
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2021.08.008
引用格式： 李港，幸兴，黄健明，等. 一种基于CEEMDAN-LSTM组合的水体溶解氧预测方法[J].信息技术与网络安全，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.，Foshan 528000，China； 3.Guangzhou Huajiang Technology Co.，Ltd.，Foshan 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)在水体中的含量能够反映出水体的污染程度、生物的生长状况，是衡量水质优劣的重要指标之一。而水质的好坏直接影响水生生物的生长及其产品品质。所以，对DO进行精准监测、预测和预防是非常有必要的。水产养殖池塘中的水是一个开放、非线性、动态、复杂的系统，水质很容易受到物理、化学、生物和人类活动等许多因子的影响。所以，运用现代化信息技术寻找适合水质监测和预测的方法变得尤为迫切[1]。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003724
作者信息：
李 港1，幸 兴2，黄健明3，骆德汉1
(1.广东工业大学 信息工程学院，广东 广州510006；
2.广东瑞德智能科技股份有限公司，广东 佛山528000；3.广州华匠科技有限公司，广东 佛山511457)
此内容为AET网站原创，未经授权禁止转载。