基于粒子群的模糊神经网络养殖池塘溶氧预测研究

       摘要: 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.

作者:
薛秉鑫
单位:
青岛理工大学信息与控制工程学院,山东青岛,266520
出处:
《渔业现代化》
刊期:
2018年第45卷第4期
基金:
国家自然科学基金项目(51475251) 山东省自然科学基金(ZR2013FM014) 山东省高等学校科技计划项目(J12LN37) 青岛市科技计划项目(15-9-2-109-nsh)

基于粒子群的模糊神经网络养殖池塘溶氧预测研究

摘要: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.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.147190s