以物联网为基础的水产养殖水污染分析,使用轻量级多头GRU模型

科学领域:

• 水生动物健康水生动物健康
• 环境监测 环境监测
• 机器学习应用 机器学习应用

背景情况:

• 水质对于水产养殖生产率和鱼类生存至关重要.
• 水污染对水生生态系统构成重大风险.
• 早期发现水污染对于有效管理至关重要.

研究的目的:

• 开发一个智能监测系统,用于检测水产养殖中的水污染.
• 解决现有的深度学习模型对时间序列水质数据的局限性.
• 为提高分类准确性,提出一个增强的多头门式循环单元 (MHGRU) 模型.

主要方法:

• 利用物联网 (IoT) 设备实时收集水质数据.
• 开发了水毒性指数 (WTI) 来分类水污染水平.
• 实施了一种增强的轻量级多头门式循环单元 (MHGRU) 模型,以捕捉空间和时间依赖.

主要成果:

• 拟议的MHGRU模型在实时数据上实现了99.7%的准确性.
• 该模型在公共数据集上表现出高性能,达到99.12%的准确性.
• 超过现有的人工神经网络 (ANN) 模型,其准确度达到99.52%和98.71%.

结论:

• 智能监测系统与增强的MHGRU模型在检测水污染方面非常有效.
• 该模型捕捉时间和空间依赖的能力导致了更高的预测准确性.
• 这种方法提供了一个强大的解决方案,以保持水产养殖中的水质.