1.一种低溶解氧的精准监测方法,其特征在于,包括以下步骤:S1:使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和氨氮构建数据集;
S2:对数据集中的数据进行滤波清洗和归一化处理,对环境变量进行相关性分析,使用主成分分析融合数据特征并进行特征降维,构建训练样本集;
S3:将样本集中的温度、浊度、pH值和氨氮的数据信息作为输入变量,将溶解氧数值作为输出变量,以交叉验证的方法对样本切分,组合为不同的训练集和测试集,分别训练和测试优化的长短时记忆网络LDO‑LSTM,构建不同的LDO‑LSTM模型,用改进的损失函数度量得到的模型的好坏,以获得最优的低溶解氧含量估算模型LDO‑LSTM;
步骤S3中,当溶解氧高于6.5mg/L并且小于8.5mg/L时,真实溶解氧初始的权重值赋予预测溶解氧初始的权重值为
当溶解氧高于4.5mg/L并且小于等于6.5mg/L时,真实溶解氧的初始值赋予预测溶解氧初始的权重值为
当溶解氧小于等于4.5mg/L时,真实溶解氧赋予 预测溶解氧赋予其中π为圆周率,是sin函数的参数,随着网络的训练逐渐更新;yi是溶解氧的真实值;
是溶解氧的预测值;
S4:实时采集养殖水域的温度、浊度、pH值和氨氮,运用步骤S3建立的低溶解氧含量估算模型LDO‑LSTM估算溶解氧数据,用于实时检测低溶解氧数值。
2.如权利要求1所述的低溶解氧的精准监测方法,其特征在于,步骤S3中,建立的低溶解氧含量估算模型LDO‑LSTM的损失函数在平均绝对误差基础上,改进为平均绝对百分比误差。
3.如权利要求1所述的低溶解氧的精准监测方法,其特征在于,步骤S2归一化处理后,先利用高斯滤波法对数据进行滤波降噪,然后构建训练样本集。
4.如权利要求1所述的低溶解氧的精准监测方法,其特征在于,所述步骤S3中的损失函数,根据溶解氧数值的大小将赋予不同的权重,这些权重在反向传播过程中,均为可训练的。