首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 109 毫秒
1.
溶氧是水产养殖中的一项重要指标,与水产品生长有着十分密切的关系。为准确预测养殖池塘的溶氧量,降低水产养殖风险,提出基于小波包分析和粒子群算法优化模糊神经网络的组合预测模型。首先使用小波包变换对采集的原始信号进行消噪处理,然后将处理后的逼近信号分为训练数据和测试数据,利用训练数据对模糊神经网络进行训练,并使用粒子群算法对网络参数进行优化,最后利用测试数据进行溶氧预测并检验预测模型的性能。通过对比试验,分别证明了粒子群算法和小波包变换的有效性:预测溶氧值时,基于小波包变换,粒子群算法与BP算法相比,误差指标均方根误差(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)分别降低了22.75、3.97和22.86个百分点;基于粒子群算法,有小波包变换和无小波包变换相比,3项指标分别降低了16.82、3.36和16.65个百分点。研究表明:小波包分析和粒子群算法可提高预测精度,该组合模型可对溶氧进行有效预测。  相似文献   

2.
溶氧含量是影响黄鳝养殖的重要因素,为提高黄鳝池溶氧浓度的预测精度,提出一种基于麻雀搜索算法(SSA)和长短期记忆神经网络(LSTM)的黄鳝池溶氧浓度预测模型,即利用SSA算法优化LSTM模型的超参数后,对循环水黄鳝养殖池的溶氧浓度进行预测。结果显示:基于SSA-LSTM模型的预测准确率为96.77%,相较于对照模型LSTM、门控循环单元(GRU)、粒子群算法-长短期记忆神经网络(PSO-LSTM)分别提升了2.09%、3.34%、0.55%。该模型其他指标均方误差(EMSE)、平均绝对误差(EMAE)、均方根误差(ERMSE)分别为0.67、0.53、0.81,相较于对照模型也有明显下降。研究表明,利用SSA-LSTM模型预测黄鳝池溶氧浓度具有良好的准确性和鲁棒性,可以为黄鳝养殖中水质参数精准调控提供依据。  相似文献   

3.
针对水产养殖产量预测难的现状,提出一种基于启发式Johnson算法优化的反向传播神经网络(BPNN)的产量预测模型。该模型在传统BP神经网络的基础上,针对网络训练时间长、易陷入局部最优的问题,通过启发式Johnson算法降低输入神经元维度,再结合试凑法确定神经网络隐层个数,构建启发式Johnson反向传播神经网络(HJA-BPNN)学习预测模型。实验结果表明,该模型在山东省对虾海水养殖产量预测中,预测的均方根误差小于传统BP神经网络和GM(1,1),且学习效率相比传统BP神经网络有所提升。研究表明,该学习预测模型在大量历史数据的模型构造上有更大的优势,能够缩短建模时间,同时获得良好的预测效果,为水产养殖产量预测提供了一种可行的新方法。  相似文献   

4.
基于模糊神经网络的池塘溶解氧预测模型   总被引:5,自引:0,他引:5  
郭连喜  邓长辉 《水产学报》2006,30(2):225-229
在分析了池塘溶解氧影响因素的基础上,利用模糊神经网络良好的非线性逼近能力建立了池塘溶解氧的模糊神经网络预测模型。神经网络模型如采用常规的BP或其它梯度算法,常导致训练时间较长且易陷入局部极小点,本实验采用快速的粒子群优化算法对模糊神经网络进行训练,收敛速度明显加快。实验结果表明采用该方法预报溶解氧的预测精度较常规BP递推算法的预测精度明显提高,所采用的模型能对溶解氧进行可靠的预测,该方法为研制开发智能水质检测仪以及工厂化养殖工作奠定了基础,对实际生产具有一定的指导意义。  相似文献   

5.
为提高对水产养殖水质监控的实时性和测量精度,设计了一种基于无线传感器网络的水产养殖水质参数监控系统。该系统由水质参数采集终端、分布式传感器网络、传输控制中心基站、远程在线监控系统组成。参数采集终端采集水质参数并传输到中心基站,再通过GPRS发送给远程在线监控中心,根据用户向监控中心输入的参数实现水温、pH、溶氧(DO)的调节。参数测量过程中引入数字滤波算法提高测量精度,使用经过改进粒子群优化算法(PSO)整定的PID控制器实现水质参数的调节。结果显示:测量精度达到要求,温度、pH和DO的测量误差分别为2.1%、1.3%和3.6%,系统对温度、pH和溶氧调节的最大误差分别为1.9%、2.6%和3.1%。整个系统工作稳定可靠。  相似文献   

6.
Prophet是Facebook开源的一种时间序列预测模型,擅长处理具有大异常值和趋势变化的日常周期数据。针对Prophet时序模型在短时间数据上预测精度较低的问题,提出了基于Prophet改进的Prophet_SVR模型对未来2 h内溶氧参数进行预测,并利用对比模型在相同数据上进行对比试验。试验结果通过均方根误差(E_(RMSE))和平均绝对百分比误差(E_(MAPE))进行对比。结果显示:Prophet_SVR模型的试验结果相对于Prophet时序模型E_(RMSE)下降0.197 1,E_(MAPE)下降3.890 4%。试验对比可知,Prophet_SVR预测模型在降低预测整体误差和提升单个数值预测精度上效果更优。该方法训练模型的时间更短、效率更高,为短期水质参数预测提供了参考。  相似文献   

7.
养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干分量,接着对各个分量进行相空间重构,在相空间中用LSSVM对各分量进行建模预测,并使用自适应扰动粒子群算法对LSSVM的超参数进行优化,采用单点迭代法进行多步预测。结果显示:该模型与单一LSSVM预测模型相比,具有良好的预测效果。预测未来4 h DO值时,各项性能指标误差均方根(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)三项指标分别降低了13.4%、11.3%和1.8%;预测未来24 h DO值时,三项指标分别降低了12.9%、12.1%和2.7%。研究表明:该组合模型可有效提取DO序列特性,具有较高的预测精度和泛化性能。  相似文献   

8.
亚硝态氮对于水产养殖动物具有毒性,对于其含量的及时监控非常重要。基于光谱法和电极法设计的亚硝态氮传感器价格昂贵,难以大面积推广,因此急需研发一种能快速预测养殖水体亚硝态氮的模型。实验通过实验室构建的水质在线检测系统测定水体中温度、pH、溶解氧、氧化还原电位4个参数,同时用α-萘胺比色法测定水体中亚硝态氮的浓度,从4种参数中选取与亚硝态氮浓度相关的参数作为预测模型的关联变量。水质参数数据及亚硝态氮浓度数据分别经预处理后作为原始数据用于SAE神经网络的训练,训练方法采用无监督逐层贪婪训练法,用学习到的特征监督训练SAE-BP神经网络,利用反向传播算法(BP)优化模型。训练得到结构为4-5-4-3-1的SAE-BP神经网络模型,建立的神经网络模型对实验数据预测的拟合优度R2为0.95,预测结果的均方根误差RMSEP为0.099 71。研究表明,亚硝态氮预测模型可以较为精准地预测水体中亚硝态氮的浓度。本模型将为开发在线快速监测养殖水体亚硝态氮浓度提供新的思路。  相似文献   

9.
水产养殖水质参数检测作为现代化水产养殖的重要特征正受到越来越多的关注。为满足水产养殖业对水质环境参数检测的迫切需求,研究设计了一种升降式水产养殖水质自动检测系统。该系统由无线传感模块和传感器保护模块构成,无线传感模块采用GPRS无线传感技术实现水质参数的采集和传送;传感器保护模块利用PIC16F877A型单片机作为控制器,通过ZigBee实现与服务器的远程通信,从而控制检测装置的升降和水质传感器的冲洗与保湿。通过PC或手机客户端,养殖户可以对检测系统进行实时监测和控制。结果显示,系统运行稳定,装配简易,操作方便,实现了对鱼塘水温、溶氧和p H的自动检测;远程控制反应时间在1 s以内,数据传输错误率基本为0;溶氧、p H和温度传感器的最大相对误差分别为0.55%、1.89%和1.32%。研究表明,升降式机械结构工作稳定,实现了传感器的冲洗、保湿功能,远程控制动作反应速度和测量精度达到水产养殖水质信息采集的要求,能够满足水产养殖水质检测的应用要求。  相似文献   

10.
养殖水体水质的神经网络预测模型研究   总被引:2,自引:1,他引:1  
以池塘养殖水体常规水质指标作为训练样本,在分析传统水质预测模型的基础上,构建神经网络水质预测模型。运用改进的BP算法对在线监测的水质指标进行分析、分类和预测,确定水质指标与其影响因子间的非线性关系,研究养殖水体水质指数变化梯度和分布规律,同时对水质状况进行模糊判别,为养殖生产提供预警控制,并对不同情况下的输出结果做出了比较。结果表明:该网络具有较好的泛化能力,预测平均误差在3%以内,实现了水质指标的准确预测和判别,收敛速度快,具有较好的实用性和较高的预测精度,基本满足环境管理的需要。  相似文献   

11.
王骥  谢再秘  莫春梅 《水产学报》2023,47(8):089502-089502
目前神经网络研究文献成果较多,虽然在水质精准预测方面起到了一定的参考,但由于文献缺少科学分类,使用率不高,导致学者难以找到研究切入点。针对这一问题,本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类,主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述,发现混合架构模型的预测性能优于正反馈模型和循环架构模型,有利于提升不同深度水质预测模型的精度。另外,本文对基于神经网络方法的三维水质预测模型进行了初步探讨,发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面,而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。  相似文献   

12.
滇池草海水质等级预测模型研究   总被引:1,自引:0,他引:1  
综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。  相似文献   

13.
BP神经网络模型在水环境质量综合评价应用中的一些问题   总被引:11,自引:1,他引:10  
楼文高 《水产学报》2002,26(1):90-96
BP神经网络是采用误差反向传播算法对网络权值进行训练的多层前向神经网络,以其优良的非线性逼近能力,获得广泛应用,建立的神经网络模型具有优异性能的必要条件是神经网络结构及其参数的合理选取,具有足够多和代表性,典型性好的训练样本,训练时求得全局最小点和不出现“过学习”或“过拟合”等,本文根据近几年BP神经网络建模理论研究的最新成果,研究发现目前在建立水环境质量综合评价BP神经网络模型时存在的几个主要问题:(1)训练样本太小;(2)没有检验样本和测试样本;(3)神经网络结构太大等,从而极有可能造成在训练神经网络模型时再现“过拟合”或“过学习”现象,使建立的模型泛化能力较差或根本没有,在研究近年提出的应用BP神经网络方法建模的必备条件的基础上,对目前应用人工神经网络进行水环境质量综合评价的研究成果的分析表明,绝大多数水环境质量BP神经网络评价模型是在满足建模条件的情况下建立的,计算实例表明,在不满足建模条件下建立的神经网络模型泛化能力和预测能力较差,极有可能出现多模式现象,没有实用价值。  相似文献   

14.
根据2002年和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据,运用人工神经网络(artificial neurd network,ANN)的原理和误差反相传播(back propagefion,BP)网络的方法,利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型.预测模型经过300次的学习训练,误差平方和由67.46下降至0.009 1.该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5%.首次将人工神经网络与水产动物病害死亡的预测相结合,建立的预测模型具有对数据适应能力强,可适时学习,预测结果准确等突出优点,为水产养殖动物病害死亡程度的预测提供了一个新的研究方法.  相似文献   

15.
根据2002和2003年对山东荣成桑沟湾栉孔扇贝养殖海区的水温、盐度、pH、氨氮浓度、亚硝氮浓度等环境因子和扇贝血清中的蛋白浓度、酸性磷酸酶活力、碱性磷酸酶活力、超氧化物歧化酶活力和过氧化氢酶活力等免疫学指标及栉孔扇贝养殖密度和死亡率的监测数据,运用人工神经网络(ANN)的原理和误差反相传播(BP)网络的方法,利用MATLAB软件初步建立养殖栉孔扇贝夏季大规模死亡的BP人工神经网络预测模型。预测模型经过300次的学习训练,误差平方和由67.46下降至0.0091。该预测模型对未参与模型构建的样本预测的结果与实际监测结果的符合率达到87.5%。本研究首次将人工神经网络与水产动物病害死亡的预测相结合,建立的预测模型具有对数据适应能力强,可适时学习,预测结果准确等突出优点,为水产养殖动物病害死亡程度的预测提供了一个新的研究方法。  相似文献   

16.
The economic performance of gilthead seabream, Sparus aurata, aquaculture in Mediterranean countries is not homogeneous despite the availability of a universalized technology and the absence of trade barriers. Differences in competitiveness among aquaculture facilities result, in part, from economic and environmental factors, which are conditioned by the geographical location of the facility. This article aims to identify and analyze the competitive advantages derived from the different environmental conditions in which seabream production has been developed along the Mediterranean Sea. A particle swarm optimization algorithm based on a seabream bioeconomic model was applied to the economic optimization of multibatch aquaculture production. The analysis involved hypothetical fattening farms located in the major areas in which this species is cultured. The water temperature was the only parameter that varied among locations. The average water temperatures in these locations were below the optimum growth temperature, around which growth progressively diminishes. The results of the study showed that the locations with higher average water temperatures and less variable water temperatures allowed the cultivation process to be more economically efficient. The seabream farms located in Greece and Turkey had a competitive advantage in terms of productivity and operating profitability because of more favorable environmental conditions.  相似文献   

17.
李鹏程  张崇良  任一平  徐宾铎  薛莹 《水产学报》2021,45(11):1843-1853
BP神经网络模型作为一种常用的机器学习方法,被广泛应用于物种分布模型,以解析生物分布与环境因子的关系。与传统回归模型相比,该模型可以灵活处理变量间的非线性关系,但其结构复杂,在参数设置方面存在不确定性,从而影响模型的预测与应用。根据2016—2017年山东近海口虾蛄渔业资源调查与环境数据,利用BP神经网络模型构建口虾蛄资源分布模型,同时利用数据分组处理算法(group method of data handling, GMDH)、遗传算法(genetic algorithm, GA)和自适应算法(adaptive algorithm)分别对模型输入变量、初始权值和隐节点数目3方面进行优化,构建7种不同组合优化模型。结果显示,7种模型的优化效果存在明显差异,单方面和两方面组合优化模型预测性能基本保持一致;而三方面共同优化其均方根误差与残差平方和分别为0.35和1.94,较初始模型的0.52和2.40更小,且相关系数最大为0.45,表明模型优化效果最好。对比优化前后发现,口虾蛄资源密度随纬度和底层盐度变化趋势基本保持一致,而随底层温度的升高,口虾蛄资源密度存在较大差异。此外,最优模型较初始模型增加水深为关键环境因子,对口虾蛄的资源密度具有重要影响。本研究进一步开发了BP神经网络模型参数优化的方法,证明了参数优化对BP模型的预测性能具有重要影响,模型优化对于分析口虾蛄资源密度与环境因子的关系具有重要意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号