参考文献/References:
[1]胡金有, 王靖杰, 张小栓, 等. 水产养殖信息化关键技术研究现状与趋势[J]. 农业机械学报, 2015, 46(7): 251-263.
[2]段青玲, 刘怡然, 张璐, 等. 水产养殖大数据技术研究进展与发展趋势分析[J]. 农业机械学报, 2018, 49(6): 1-16.
[3] SUN Y N, LI D L, DU S F, et al. WSN-based intelligent detection and control of dissolved oxygen in crab culture[J]. Sensor Letters, 2013, 11(6): 1050-1054.
[4]郑思宁, 刘强, 郑逸芳. 规模化水产养殖技术效率及其影响因素分析[J]. 农业工程学报, 2016, 32(20): 229-235.
[5]TAN G H, YAN J Z, GAO C, et al. Prediction of water quality time series data based on least squares support vector machine[J]. Procedia Engineering, 2012, 31: 1194-1199.
[6]陈彦, 殷建军, 项祖丰, 等. 基于时间序列模型的海洋溶解氧分析与预测[J]. 轻工机械, 2012, 30(3): 83-87, 96.
[7]徐敏, 曾光明, 谢更新, 等. 混沌理论在河流溶解氧预测中的应用初探[J]. 环境科学学报, 2003, 23(6): 776-780.
[8]CHEN Y Y, XU J, YU H H, et al. Three-dimensional short-term prediction model of dissolved oxygen content based on PSO-BPANN algorithm coupled with kriging interpolation[J]. Mathematical Problems in Engineering Theory, 2016, 2016: 1-10.
[9]徐龙琴, 刘双印, 张垒, 等. 基于DBN-LSSVR的南美白对虾养殖溶解氧预测[J]. 仲恺农业工程学院学报, 2017, 30(4): 1-7.
[10]李明河, 周磊, 王健. 基于LM算法的溶解氧神经网络预测控制[J]. 农业机械学报, 2016, 47(6): 297-302.
[11]朱成云, 刘星桥, 李慧, 等.工厂化水产养殖溶解氧预测模型优化[J]. 农业机械学报, 2016, 47(1): 273-278.
[12]蒋艳, 彭期冬, 骆辉煌, 等. 淮河流域水质污染时空变异特征分析[J]. 水利学报, 2011, 42(11): 1283-1288.
[13]田中大, 李树江, 王艳红, 等. 经验模式分解与时间序列分析在网络流量预测中的应用[J]. 控制与决策, 2015, 30(5): 905-910.
[14]姚旭, 王晓丹, 张玉玺, 等. 特征选择方法综述[J]. 控制与决策, 2012, 27(2): 161-166, 192.
[15]张丽新, 王家钦, 赵雁南, 等. 机器学习中的特征选择[J]. 计算机科学, 2004, 31(11): 180-184.
[16]GUPTA A,GUSAIN K, POPLI B. Verifying the value and veracity of extreme gradient boosted decision trees on a variety of datasets[C]//2016 11th International Conference on Industrial and Information Systems(ICIIS). Roorkee: IEEE, 2016: 457-462.
[17]田嫦丽,张珣,潘博,等.互联网广告点击率预估模型中特征提取方法的研究与实现[J].计算机应用研究, 2017,34(2): 334-338.
[18]王洪伟, 孟园. 在线评论质量有用特征识别:基于GBDT特征贡献度方法[J]. 中文信息学报, 2017, 31(3): 109-117.
[19]LECUN Y, BENGIO Y, HINTON G. Deep learning[J]. Nature, 2015, 521(7553): 436-444.
[20]BENGIO Y. Learning deep architectures for AI[J]. Foundations and Trends in Machine Learning, 2009, 2(1): 1-127.
[21]叶佳音, 郑文明, 李阳, 等. 基于深度神经网络的多模态情感识别[J]. Journal of Southeast University(English Edition), 2017, 33(4): 444-447.
[22]HOCHREITER S, SCHMIDHUBER J. Long short-termmemory[J]. Neural computation, 1997, 9(8): 1735-1780.
[23]李泽龙, 杨春节, 刘文辉, 等. 基于LSTM-RNN模型的铁水硅含量预测[J]. 化工学报, 2018, 69(3): 992-997.
[24]殷兆凯, 廖卫红, 王若佳, 等. 基于长短时记忆神经网络(LSTM)的降雨径流模拟及预报[J]. 南水北调与水利科技, 2019, 17(6): 1-9, 27.
[25]江萧君, 李为民, 肖金科. 基于参数优化的SVM联合作战战场建设方案优选[J]. 火力与指挥控制, 2017, 42(7): 110-113, 123.
[26]韩晓慧, 杜松怀, 苏娟, 等. 基于参数优化的最小二乘支持向量机触电电流检测方法[J]. 农业工程学报, 2014, 30(23): 238-245.
[27]吴峰, 陈后金, 姚畅, 等. 基于网格搜索的PCA-SVM道路交通标志识别[J]. 铁道学报, 2014, 36(11): 60-64.
[28]孙美, 张晓琳, 冯绍元, 等. 基于交叉验证的农田土壤饱和导水率传递函数研究[J]. 农业机械学报, 2014, 45(10): 147-152.