【摘要】为实现对池塘溶解氧变化趋势的准确和可靠预测，降低池塘养殖风险，提出了一种基于特征构造预处理（Feature construction,FC）与时间卷积网络（Temporal convolutional network,TCN）-双向门控循环单元（Bidirectional gate recurrent unit,BiGRU）的溶解氧预测模型FC-TCN-BiGRU。通过对样本序列的统计特征、环境因子特征和季节特征进行构造，挖掘变量间深层次的相关性；采用TCN对构造特征序列进行多层卷积和降维处理，在保留全局时序特征的同时去除冗余信息；结合BiGRU对降维特征进行建模，实现对溶解氧的准确预测。另外，构建了沙猫群算法（Sand cat swarm optimization,SCSO）优化的非参数核密度估计（Kernel density estimation,KDE）对溶解氧预测误差的分布范围进行估计。实验结果表明，模型的均方误差、平均绝对误差、均方根误差和决定系数分别为0.027 5、0.143 2、0.165 8和0.94，优于其他比较模型。同时，区间估计能够有效覆盖溶解氧的波动范围，量化预测过程中的不确定性。在池塘溶解氧的短期预测中，本模型具有较好的准确性和鲁棒性，对水产养殖的水体健康监测和养殖效率的提升具有一定的指导意义。