Исследователи из Китая разработали гибридную нейросетевую модель для точного прогнозирования концентрации нитратов в установках замкнутого водоснабжения (УЗВ). Модель сочетает сверточные нейронные сети (CNN), долгосрочную краткосрочную память (LSTM) и механизм самовнимания (self-Attention), обеспечивая высокую точность предсказаний и устойчивость к уменьшению объема обучающих данных.
🔬 Суть исследования
В ходе 105-дневного эксперимента было собрано 450 образцов воды из пяти различных УЗВ для обучения модели. Дополнительно 90 образцов из отдельной установки использовались для тестирования. Модель, получившая название C-L-A (CNN-LSTM-Attention), продемонстрировала высокую точность прогнозирования концентрации нитратов, даже при сокращении объема обучающих данных.
📈 Результаты и преимущества
- Модель C-L-A достигла коэффициента детерминации R² = 0,956, превосходя другие модели, такие как CNN, LSTM и их комбинации.
- Рекомендуется использовать данные за последние 7 дней для достижения максимальной обобщающей способности модели.
- Применение такой модели может значительно снизить затраты на ежедневный мониторинг нитратов в УЗВ.
🌍 Значение для отрасли
Внедрение подобных нейросетевых моделей в практику управления УЗВ может повысить эффективность и устойчивость аквакультурных хозяйств. Автоматизация мониторинга качества воды с помощью ИИ позволяет оперативно реагировать на изменения и предотвращать возможные проблемы, связанные с накоплением нитратов.