基于XGBoost的溶解氧预测模型研究

袁红春; 毛瑞; 杨蒙召; 张天蛟; 黄俊豪

doi:10.13873/J.1000-9787(2020)10-0051-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于XGBoost的溶解氧预测模型研究

研究与探讨 | 更新时间：2025-09-11

- 基于XGBoost的溶解氧预测模型研究
- Research on dissolved oxygen prediction model based on XGBoost
- 传感器与微系统 2020年第10期页码：51-53+57
- 作者机构：
  
  上海海洋大学信息学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(41776142)
- DOI：10.13873/J.1000-9787(2020)10-0051-03
  中图分类号： S959;TP18
- 纸质出版：2020
- 稿件说明：
移动端阅览
袁红春, 毛瑞, 杨蒙召, 等. 基于XGBoost的溶解氧预测模型研究[J]. 传感器与微系统, 2020,(10):51-53+57.

YUAN Hongchun, MAO Rui, YANG Mengzhao, et al. Research on dissolved oxygen prediction model based on XGBoost[J]. 2020, (10): 51-53+57.
袁红春, 毛瑞, 杨蒙召, 等. 基于XGBoost的溶解氧预测模型研究[J]. 传感器与微系统, 2020,(10):51-53+57. DOI： 10.13873/J.1000-9787(2020)10-0051-03.

YUAN Hongchun, MAO Rui, YANG Mengzhao, et al. Research on dissolved oxygen prediction model based on XGBoost[J]. 2020, (10): 51-53+57. DOI： 10.13873/J.1000-9787(2020)10-0051-03.

摘要

为了提高溶解氧的预测精度

以水产品溯源与安全预警平台的监测数据为基础

提出一种基于XGBoost模型的水质参数预测方法

并与LSTM和PCA-NARX网络预测模型进行48h内的溶解氧预测对比。仿真结果表明:通过XGBoost模型预测的结果均方根误差(RMSE)最小

在24 h和48 h内的泛化能力均高于LSTM和PCA-NARX模型。

Abstract

In order to improve precision of dissolved oxygen prediction

XGBoost model is applied to predict the water quality parameters

on the basis of traceability of aquatic products and monitoring data safety warning platform. And compared with the LSTM

PCA-NARX network prediction model for 48 hours of dissolved oxygen prediction. Simulation results show that the root mean square error（ RMSE） of the results predicted by the XGBoost model is the smallest

and the generalization ability in 24 and 48 hours is higher than that of the LSTM and PCANARX models.

关键词

Keywords

references

浏览量

368

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据