编辑推荐：
为解决水产养殖中因水质参数复杂互动和动态非线性变化，导致难以精准进行多变量长序列溶解氧（DO）预测的问题，研究人员开展 PSG-Crossformer 模型的研究。结果显示该模型优于多种基准模型，能提前 6h 预测，意义在于助力水质管理，提升养殖效率、降低风险。
溶解氧（DO）水平是水产养殖环境中水质的关键指标，对鱼类的健康生长至关重要。然而，多种水质参数的动态非线性变化以及它们之间的复杂相互作用，使得准确进行多变量长序列的 DO 预测极具挑战性。以往的长序列多变量 DO 多步预测模型主要依赖长短期记忆网络（LSTM）和门控循环单元（GRU）架构。但这些模型受限于跨维度依赖、噪声和计算复杂性等问题，难以实现准确的长序列 DO 预测。
为解决这些问题，本文提出了 PSG-Crossformer 模型，这一创新方法融合了主成分分析（PCA）、Savitzky-Golay（SG）滤波器和 Crossformer 架构。PCA 可降低输入维度，减轻计算复杂性；SG 滤波能去除数据中的噪声，提高模型精度；Crossformer 具有维度分段（DSW）嵌入、两阶段注意力（TSA）层和分层编码器 - 解码器（HED）结构，可有效捕捉变量间的跨维度依赖关系。
实验结果表明，PSG-Crossformer 模型在长序列 DO 预测方面优于 LSTM、GRU、Transformer、支持向量机（SVM）等基准模型。此外，该模型能够提前 6 小时预测 DO 变化，并且能有效应对季节变化，尤其在冬季等极端环境下，其预测精度依然很高，展现出卓越的适应性和稳健性。该模型为水质管理提供了更准确的预测，有助于高效的水产养殖环境监测和及时干预，从而提高养殖效率并降低风险。
