李 港 ，幸 兴 ，黄健明 ，骆德汉

（1.广东工业大学 信息工程学院，广东 广州 510006；2.广东瑞德智能科技股份有限公司，广东 佛山528000；3.广州华匠科技有限公司，广东 佛山 511457）

0 引言

溶解氧（Dissolved Oxygen，DO）在水体中的含量能够反映出水体的污染程度、生物的生长状况，是衡量水质优劣的重要指标之一。而水质的好坏直接影响水生生物的生长及其产品品质。所以，对DO进行精准监测、预测和预防是非常有必要的。水产养殖池塘中的水是一个开放、非线性、动态、复杂的系统，水质很容易受到物理、化学、生物和人类活动等许多因子的影响。所以，运用现代化信息技术寻找适合水质监测和预测的方法变得尤为迫切[1]。

水质参数的预测本质上是时间序列预测问题，目前，国内外已有多种建模方法被用于预测时间序列，并取得了不错的效果。文献[2]设计了一种ARIMA与神经网络相结合的水质参数预测混合模型。文献[3]针对传统溶解氧预测方法预测精度低和鲁棒性差的问题，提出了一种基于改进粒子群算法和最小二乘支持向量回归模型相结合的溶解氧预测模型。文献[4]为了提高水产养殖过程中的溶解氧预测精度，提出了基于PCA和LSTM的水产养殖溶解氧预测模型。文献[5]针对水培养殖系统的溶解氧预测问题，提出了一种基于遗传算法和模糊神经网络的溶解氧预测模型。文献[6]为了提高不同水质参数预测模型的精度和稳定性，同时处理长期依赖问题，提出了一种基于改进的Dempster/Shafer（D-S）证据理论和三种RNN的集成预测方法。……