典型文献
基于多网络融合的水体浊度预测方法
文献摘要：
浊度是水产养殖中的重要水质指标,利用水质参数进行浊度预测对于水产养殖过程具有重要意义.该文提出一种基于改进的双向长短期记忆(BiLSTM)、残差网络(ResNet)和多头注意力机制网络(Multi-head Attention)相融合的浊度预测模型,并利用太湖水体数据进行验证.实验结果表明,该融合模型的R_(RMSE)、M_(MAPE)、M_(MAE)、N_(NSE)值分别为7.35NTU、12.34％、6.25NTU、0.74,相比单独使用BiLSTM模型降低了6.96 NTU、7.63％、6.34 NTU,N_(NSE)值提升了0.69,验证了使用多网络融合模型在水体浊度预测方面拟合效果更好,具有较好的精度.
文献关键词：
浊度;BiLSTM模型;ResNet;Multi-head Attention
中图分类号：
作者姓名：
林晓明;袁山;季想;朱南阳;郭亚
作者机构：
江南大学物联网工程学院,"轻工过程先进控制"教育部重点实验室,无锡 214122
文献出处：
引用格式：
[1]林晓明;袁山;季想;朱南阳;郭亚-.基于多网络融合的水体浊度预测方法)[J].农业工程技术,2022(06):35-39
A类：
35NTU,25NTU
B类：
多网络融合,水体浊度,水产养殖,水质指标,水质参数,双向长短期记忆,BiLSTM,残差网络,ResNet,多头注意力机制,注意力机制网络,Multi,head,Attention,太湖水,水体数据,融合模型,RMSE,MAPE,MAE,NSE,拟合效果
AB值：
0.333932
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
