基于改进遗传算法优化LSTM神经网络的水质预测方法

摘要

本发明公开了一种基于改进遗传算法优化LSTM神经网络的水质预测方法，步骤如下：由无人巡航船搭载的水质传感器采集养殖池温度、溶氧、pH三种原始特征数据并存至HBase数据库中，利用CDH大数据集群Spark计算组件对原始数据进行预处理；再进行Max‑min标准化，利用标准化后数据集构建训练集和测试集；构建基于改进遗传算法优化LSTM神经网络的水质预测模型，优化确定LSTM神经网络和改进遗传算法的基本结构参数；利用构造的训练集训练模型预测养殖池未来某一时刻的水质数据。本发明在LSTM神经网络中引入遗传算法对神经网络训练的步长进行动态调整，从而降低LSTM神经网络预测水质时的相对误差，提高预测精度。