基于LSTM与XGBoost融合的养殖水质pH值预测方法研究

来源：大连海洋大学学报杂志2024年第6期北京时间：

作者：郭方一, 刘明剑, 王刚, 张思佳, 单渤林, 刘通

单位：1.大连海洋大学 机械与动力工程学院，辽宁 大连 116023；2.大连海洋大学 信息工程学院，辽宁 大连 116023；3.大连市智慧渔业重点实验室，辽宁 大连 116023；4.大连海洋大学 创新创业学院，辽宁 大连 116023

摘要：为了确保水产养殖生态系统平衡及水生动物的健康，提出了一种融合长短期记忆网络(LSTM)和XGBoost算法的养殖水质pH值预测方法(PCA-ES-LSTM-BSO-XGBoost，PELBX)。首先，通过主成分分析(PCA)对水质数据进行降维处理，以简化参数复杂性并提高模型训练的效率与精度；其次，利用LSTM网络捕获水质参数随时间的动态变化，并采用早停法避免过拟合，确保模型对未见数据具有较高的预测准确度；此外，通过BSO算法并行优化XGBoost模型的参数，提高pH值预测的精确度；最后，将LSTM与XGBoost模型的预测结果进行加权集成，有效结合了时间序列分析与非线性学习的优势，显著提高了预测准确度。结果表明，PELBX模型在pH值预测方面表现优越，具体表现为0.115的均方根误差、0.088的平均绝对误差、1.066%的平均绝对百分比误差，以及0.747的决定系数；相较于消融试验中表现最佳的PCA-LSTM-BSO-XGBoost模型，性能分别提升了8.73%、8.33%、8.26%和7.64%；与同领域中表现最好的BiLSTM-GRU预测模型相比，性能分别提升了10.16%、1.12%、0.56%和8.73%。研究表明，本研究中提出的PELBX模型在提升水质pH值预测的准确性和稳定性方面表现出明显的优势，验证了该方法的有效性和可行性。

关键词：LSTM,XGBoost,PCA,PELBX模型,水质pH值预测

基金资助：国家自然科学基金(61802046)；辽宁省属本科高校基本科研业务费专项资金资助项目(2024JBQNZ007)；辽宁省教育厅基本科研项目(LJ21241058018)