基于层次网络的多任务学习鱼道水位预测方法

来源：电子与信息学报杂志2025年第6期北京时间：

作者：苏新, 秦子健, 吕嘉, 秦鸣宇

单位：1.河海大学信息科学与工程学院 常州 2132002.河海大学人工智能与自动化学院 常州 213200

摘要：传统的鱼道(FP)监测系统为鱼类迁徙研究和水生生态保护提供了基础数据，但仍面临诸如数据处理繁琐、监测覆盖范围有限以及易受环境因素干扰等问题。为此，该文提出层次网络鱼道监测系统(HNFMS)，旨在减轻水坝建设对鱼类迁徙的负面影响，提升鱼道的生态功能。为确保该系统的高效应用，并促进鱼道生物多样性的保护，该文进一步开发了基于辅助序列的多任务学习模型——自适应序列自组织映射变换(AS-SOMVT)。该模型用于鱼道水位的实时、多维度预测，能够有效应对复杂环境下的水位变化。仿真结果表明，所提方法相较于传统预测模型在水位预测的准确性和稳定性方面具有显著提升，能够为生态保护和鱼道水资源管理提供更为精确的支持。

关键词：鱼道监测, 层次网络, 时间序列分析, 多任务学习, 水位预测

基金资助：国家自然科学基金(62371181)，常州市政策引导类计划(CZ20230029)