基于GA-TCN-LSTM模型的虾塘水温预测方法OA
本文利用遗传算法(genetic algorithm,GA)、时间卷积网络(time convolutional network,TCN)和长短期记忆网络(long short-term memory network,LSTM)的各自优势,构建一个能够捕捉非线性关系和时序依赖的预测模型(GA-TCN-LSTM)。为了提高模型性能,利用遗传算法优化TCN和LSTM的超参数,以及运用加权平均法调整权重参数值,将TCN和LSTM的预测结果结合起来,达到优化最终预测结果的目的。结果表明,GA-TCN-LSTM模型的预测精度高于单独的TCN和LSTM模型,其决定系数(R^(2))达到0.97,均方根误差(RMSE)、加权平均绝对百分比误差(wMAPE)和平均绝对误差(MAE)分别为0.17290℃、0.36118%和0.11245℃。此外,对比分析各模型残差发现,GA-TCN-LSTM具有更低的变异性,对异常值和噪声的鲁棒性更强。GA-TCN-LSTM模型可为虾塘水温预测提供新方案。
罗永明;霍雷刚;谢映;曾行吉
广西壮族自治区气象科学研究所,南宁530022南宁师范大学人工智能学院,南宁530100广西壮族自治区气象科学研究所,南宁530022广西壮族自治区气象数据中心,南宁530022
农业科技
虾塘水温气象因子时间卷积网络长短期记忆网络
《气象研究与应用》 2026 (2)
P.43-50,8
中国气象局创新发展专项(CXFZ2024P015)广西气象研发计划项目(桂气科2023QN06)。
评论