基于交叉验证网格寻优的GBDT-LSTM水产养殖溶解氧预测

摘要

为了进一步提高水产养殖溶解氧的预测精度,提出了基于交叉验证网格寻优的GBDT-LSTM溶解氧预测模型.通过梯度提升决策树(GBDT)选取对溶解氧影响度较高的特征因子;在Keras深度学习框架的基础上搭建长短时记忆神经网络(LSTM),使用交叉验证网格寻优算法对LSTM参数进行优化;将本模型运用到江苏省金坛市渔业基地一标准池塘进行溶解氧预测.试验表明:该模型的评价指标均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分误差(MAPE)分别为0.208,0.158,2.635,其评价指标均优于其他对比预测模型.表明该模型具有较好的预测能力和泛化能力,能够满足现代化水产养殖的实际需求.