基于自注意力机制和改进的K-BiLSTM的水产养殖水体溶解氧含量预测模型

打开文本图片集

摘要：  为精确预测水产养殖水体溶解氧含量，本研究提出一种基于自注意力机制（ATTN）和改进的K-means聚类-基于残差和批标准化（BN）的双向长短期记忆网络（BiLSTM）的水产养殖水体溶解氧含量预测模型。首先，根据环境数据的相似性，使用改进的K-means算法将数据划分成若干个类别；然后，在BiLSTM基础上构建残差连接和加入BN完成高层次特征提取，利用BiLSTM的长期记忆能力保存特征信息；最后，引入自注意力机制突出不同时间节点数据特征的重要性，进一步提升模型的性能。（剩余15093字）