当前位置:主页 > 农业论文 > 水产渔业论文 >

基于改进极限学习机的水体溶解氧预测方法

发布时间:2024-05-26 21:48
  为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机(Extreme Learning Machine,ELM)的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法(Partial Least Square, PLS)优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM(Selection Based Partial Least Square Optimized-Extreme Learning Machine)预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明:该模型的预测均方根误差为0.323 2 mg/L,与最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)、BP神经网络、粒子群(Particle Swarm Optimization,PSO)优化LSSVM和遗传算法(G...

【文章页数】:8 页

【部分图文】:

图23种激活函数Fig.2Threeactivationfunction

图23种激活函数Fig.2Threeactivationfunction

第19期施珮等:基于改进极限学习机的水体溶解氧预测方法2271.3研究方法1.3.1基于新型激活函数的极限学习机ELM是一种具有较强非线性处理能力的单隐藏层神经网络学习算法[13]。在ELM中,假设存在N个样本数据(xi,ti)(i=1,2,…,N),其中,xi=[xi1,xi2....


图4溶解氧预测模型算法流程图Fig.4Flowchartofdissolvedoxygenpredictionmodel

图4溶解氧预测模型算法流程图Fig.4Flowchartofdissolvedoxygenpredictionmodel

第19期施珮等:基于改进极限学习机的水体溶解氧预测方法229图4溶解氧预测模型算法流程图Fig.4Flowchartofdissolvedoxygenpredictionmodel步骤一,数据的预处理:针对水质监测系统和自动气象站采集的数据进行预处理,主要完成水质数据和自动气象站....


图5SPLS-ELM预测模型的溶解氧预测值曲线Fig.5SPLS-ELMmodels’predictedtrendsofdissolvedoxygen

图5SPLS-ELM预测模型的溶解氧预测值曲线Fig.5SPLS-ELMmodels’predictedtrendsofdissolvedoxygen

农业工程学报(http://www.tcsae.org)2020年230果表明,提出的SPLS-ELM在PLS-ELM的基础上提高了模型的预测效率以及预测值与实际值之间的关联性,PLS优化操作也提高了传统ELM的预测效率以及预测值与实际值之间的关联性。SPLS-ELM预测模型的效....



本文编号:3982344

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/scyylw/3982344.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户cc626***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com