为解决水产养殖环境水温（WT）预测中存在的预测精度不足、噪声干扰显著以及难以捕捉长期依赖关系等问题，本文提出了一种基于混合增强优化架构的长期预测模型，即 HEOA-BiTCN-MLSTM 模型。该模型利用人类进化优化算法（HEOA）优化模型参数，进而提升预测精度；运用双向时间卷积网络（BiTCN）深度提取数据中的潜在特征，增强抗噪声能力，并捕捉 WT 数据的长期趋势和复杂非线性变化；最后集成多头长短期记忆（MLSTM）网络，该网络将长短期记忆（LSTM）网络与多头自注意力机制（MHSA）相结合，提高模型在处理长序列时捕捉长期依赖关系和建模全局信息的能力。通过优化、混合和增强的协同效应，该模型显著提升了 WT 预测性能，同时有效应对复杂环境中的噪声干扰和数据不规则性。实验结果表明，在长期 WT 预测中，该模型显著优于门控循环单元（GRU）、反向传播神经网络（BPNN）和循环神经网络（RNN）等传统基准模型。具体而言，在提前 4 小时准确预测 WT 时，该模型实现了²为 0.912、均方误差（MSE）为 0.352、平均绝对误差（MAE）为 0.191 和加权平均绝对百分比误差（wMAPE）为 1.390% 的指标。这项研究为水产养殖环境的智能监测和调控提供了有力支持。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》