Page 139 - 《水产学报》2025年第8期

张铮，等 水产学报, 2025, 49(8): 089512

输入层
input layer
输入
FS 模块 input
FS-module
下采样
down-sampling
FS 模块 FS 模块
FS-module FS-module
扩张卷积 扩张卷积
dilated convolution dilated convolution
残差链接
residual connection

扩张卷积 扩张卷积
dilated convolution dilated convolution
全连接层
fully connected layer

输出层
output layer 输出 输出
onput onput
(a) (b)

输入
input 适配器
adapter

卷积滤波器
convolution filters 记忆模块
memory module

输出
output
(c)
图 5 FSSCINET 整体架构
(a) FSSCINET 模型整体架构，(b) FS 模块结构，(c) 扩张卷积结构。
Fig. 5 Overall architecture of FSSCINET
(a) overall structure of FSSCINET model, (b) FS module structure, (c) extended convolution structure.

题，将 DO 时间序列数据下采样分为 F DOeven 和 F DOodd 和 F DOeven 两个子序列的缩放特征， F ′
DOodd
F DOodd 两个子序列，对两个子序列各自经过不 和 F ′ 为最终得到的子特征。
DOeven
同的扩张卷积进行特征提取，并进行交互学习 适配器 在工厂化养殖 DO 调控过程中，
以弥补信息的损失。交互学习数学描述公式： DO 含量受到养殖密度和鱼类活动强度等多种
因素影响。预测模型参数根据工厂化养殖环境
s
[
]
F = F DOodd ∗exp ϕ(F DOeven ) ,
DOodd
[
F s = F DOeven ∗exp ψ(F DOodd ) ] (6) 的变化实时更新，可以减少因外部变化引起的
DOeven
预测误差。因此，本研究在 SCINET 的卷积模
′ s
F = F ±ρ(F DOeven ),
DOodd DOodd 块中引入 FSNET 提出的适配器模块，根据 DO
′ s
F = F ±η(F DOodd ) (7)
DOeven DOeven 含量变化实时调整适配器模块参数。适配器模
式 (6)、(7) 中， φ、ψ、ρ、η是四个不同的扩张 块利用梯度指数移动平均 (EMA) 进行适配参数
卷积， ∗ “ ”表示逐点乘积， F s 和 F s 为 和特征 。其数学描述式如式 (8)~(11)：
[20]
DOodd DOeven
中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
5