[发明专利]溶解氧预测方法及装置

说明书

本发明实施例提供一种溶解氧预测方法及装置，所述方法包括：将溶解氧训练集以及训练标签输入至长短期记忆LSTM网络进行训练，以确定所述LSTM网络的超参数组合，并对所述超参数组合进行优化；根据优化后的超参数组合确定优化LSTM网络；将所述溶解氧训练集输入至所述优化LSTM网络进行训练，以预测待测水源的溶解氧。所述装置用于执行上述方法。本发明提供的溶解氧预测方法及装置，通过对所述LSTM网络超参数组合进行优化，根据优化后的超参数组合确定优化LSTM网络并对溶解氧训练集进行训练，可以有效提高对溶解氧预测的精度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种溶解氧预测方法及装置。

背景技术

溶解氧是水生生物生存的重要因素之一，是水生生物生长状况、水质状况的重要指标，且易受温度，PH等因素的影响。溶解氧能反映出水质的好坏，而水质又能直接影响到水生生物生长及其品质，因此对溶解氧的预测就显得非常有必要。

现有的预测方法有很多，主要分为两种类型：第一类是传统的预测方法，把经典数学作为理论基础，包括时间序列预测法、回归分析法、马尔科夫模型以及水质模拟预测法等；第二类是基于人工智能的预测方法，包括灰色模型、人工神经网络预测法以及支持向量机回归预测法等。但是现有的预测方法均存在预测精度误差高，不满足水产养殖企业对水质短期预测的需求。

目前尚难有一种有效方法，可以及时准确掌握未来一段时间内溶解氧的变化规律，对溶解氧进行精准预测。

发明内容

本发明实施例提供的一种溶解氧预测方法及装置，用于克服现有技术中对溶解氧预测误差高的缺陷，能够及时准确掌握未来一段时间内溶解氧的变化规律，对溶解氧进行精准预测。

第一方面，本发明实施例提供的溶解氧预测方法，包括：

将溶解氧训练集以及训练标签输入至LSTM网络进行训练，以确定所述LSTM网络的超参数组合，并对所述超参数组合进行优化；

根据优化后的超参数组合确定优化LSTM网络；

将所述溶解氧训练集输入至所述优化LSTM网络进行训练，以预测待测水源的溶解氧；

其中，所述训练集包括：如下历史数据中的至少一种：待测水源电导率、待测水源PH值、待测水源氨氮含量、待测水源水温、待测水源水的浊度、待测水源叶绿素含量、待测水源环境大气湿度、待测水源环境大气温度、待测水源环境大气压力、待测水源环境风速、待测水源环境风向、待测水源环境太阳辐射量以及待测水源环境雨量；

所述训练标签为与所述训练集中的数据同时刻采集的待测水源的溶解氧。

进一步地，所述对所述超参数组合进行优化包括：

根据初始预设值确定天牛质心；

对所述天牛质心迭代更新直至天牛须收敛，以获取优化后的超参数组合。

进一步地，所述对所述天牛质心迭代更新直至所述天牛须收敛，包括：

将所述超参数组合按照天牛左须进行划分，获取天牛左须坐标；

根据所述天牛左须坐标以及适应度函数，获取天牛左须适应度值；

将所述超参数组合按照天牛右须进行划分，获取天牛右须坐标；

根据所述天牛右须坐标以及所述适应度函数，获取天牛右须适应度值；

根据所述天牛左须适应度值以及所述天牛右须适应度值，采用变步长法迭代更新所述天牛质心直至所述天牛须收敛。

进一步地，所述采用变步长法迭代更新所述天牛质心直至所述天牛须收敛，包括：

当满足预设条件时，采用变步长法迭代更新所述天牛质心直至所述天牛须收敛；