基于改进的C4.5算法与LSTM神经网络的水产病害预测

黄昕 姜春涛 任紫薇 潘淑仪 凌逸文 曹颖 肖浩鸣 邱文浩

摘要：传统的神经网络并不能做到长期记忆，存在“长期依赖”问题。但长短期记忆循环神经网络模型擅长处理可变长度的时间序列的数据输入，且网络具有自连接的隐层，可以有效解决长期依赖问题。标准BP神经网络算法收敛速度慢、局部极值、难以确定隐层数和隐层的节点个数。由于收集的水体数据中有许多属性相关性较大，如果将所有属性都用C4.5算法进行计算，则会造成一定的资源浪费，降低计算效率。而改进的C4.5算法则增加了去除相关性大的几个属性这一环节，从而有效地减少了不必要的计算。该文主要融合长短期记忆循环神经网络以及决策树两种算法，来进行水产养殖病害预测。

关键词：长短期记忆循环神经网络;C4.5算法;水产病害预测

中图分类号：TP393 文献标识码：A

文章编号：1009-3044（2020）08-0194-02

每年水产养殖病害影响面积占全国总水产养殖面积10%以上，直接经济损失高达上百亿元，已经成为我国水产养殖健康发展的主要障碍之一。根据水产养殖动植物疾病监测预报，2017年，我国水产养殖因病害造成的经济损失约361亿元，其中鱼类占33.8%，甲壳类占40.7%，贝类占13.2%，其他占12.4%。因此对水产病害进行预测分析对我国水产养殖具有极其重要的意义。

现有技术大都采用灰色预测模型、BP神经网络模型进行预测分析。但灰色预测模型对时间序列平滑性要求较高，有快速衰减和递增的属性，所以他的时效性有限，不适合做长期的预测或者分析。……