科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对集约化水产养殖环境复杂、氨氮质量浓度在线检测困难等问题,提出了一种基于广义可加模型和支持向量回归的混合建模方法。首先根据机理分析,选择水温、溶氧、pH、电导率作为辅助变量,然后分析数据确定各个变量的分布形式,以对数函数作为连接函数,建立氨氮质量浓度广义可加模型。为提高建模精度,将其与BP神经网络、随机配置网络、支持向量回归建模方法相结合,分别对养殖水质氨氮质量浓度进行混合软测量,并对结果进行比较。结果显示:广义可加模型能较为迅速地找出氨氮质量浓度和辅助变量之间的关系,有更高的可解释性,基于支持向量回归补偿后的混合模型有更高的精度,氨氮质量浓度的变化趋势能更好地跟踪实验室化验值的变化。与单独使用广义可加模型相比,混合模型的均方根误差降低了0.013;与单独使用支持向量回归相比,混合模型的均方根误差降低了0.005。试验结果证明了广义可加模型和支持向量回归混合模型的有效性,为水产养殖氨氮质量浓度检测提供了一种新的方法。
- 单位
