采用主成分分析和BP神经网络算法预测池塘养鱼产量和换水量 |
| |
引用本文: | 张俊彪,陈雯,蔡春芳,何捷.采用主成分分析和BP神经网络算法预测池塘养鱼产量和换水量[J].河南农业科学,2020,49(6):174-180. |
| |
作者姓名: | 张俊彪 陈雯 蔡春芳 何捷 |
| |
作者单位: | 苏州大学基础医学与生物科学学院,江苏苏州 215123;常州大学,江苏常州 213164 |
| |
基金项目: | “十二五”国家科技计划农村领域项目 |
| |
摘 要: | 产量和换水量分别是池塘养鱼经济效益和生态影响的重要衡量指标。为探讨影响常规鱼类养殖产量和换水量的主要因子,建立基于反向传播(BP)神经网络(ANN)算法的预测模型,通过调查获得51组关于混养草鱼(Ctenopharyngodon idellus)、鲫鱼(Carassius auratus)、鲤鱼(Cyprinus carpio)池塘的完整管理信息。经主成分分析(PCA),草鱼放养密度、鲫鱼放养密度、鲫鱼放养规格、鲤鱼捕捞规格、鳙鱼(Aristichthys nobilis)捕捞规格、鲤鱼产量、塘租费、苗种费、饲料费、电费、调水费、病害防治费、人工费、水深及是否发生蓝藻等15个参数均被筛选入放养鱼类总产量和夏季换水量模型中。放养鱼类总产量模型中还筛选进鲫鱼产量、鳙鱼产量和增氧方式3个参数。夏季换水量模型中还筛选进鲤鱼放养密度和鲢(Hypophthalmichthys molitrix)、鳙放养时间2个参数。随机选取45组数据采用BP-ANN算法建模并预测另外6组数据。结果显示,放养鱼类总产量模型相对误差(RE)最大为8.40%,绝对误差(AE)最大为2.53 t/hm~2,平均相对误差(MRE)为5.81%,平均绝对误差(MAE)为1.51 t/hm~2。夏季换水量模型AE值最大为19.10 cm,MAE值为13.36 cm。2种模型决定系数(R~2)分别是0.941 3、0.996 5,均方误差(MSE)分别是0.006 5和0.063 3。总体拟合性能良好,表明BP-ANN是建立养鱼池塘经济效益和生态影响模型的有效手段。
|
关 键 词: | BP神经网络 主成分分析 养鱼池塘 养鱼产量 换水量 经济效益 生态影响 |
本文献已被 CNKI 万方数据 等数据库收录! |
|