科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了有效指导工厂化水产养殖,提高水产养殖过程中水体温度预测的精度和稳定性,在分析水体温度影响因素的基础上,提出基于经验模态分解(EMD)、改进遗传算法(IGA)和改进极限学习机(SELM)相结合的水温预测模型(EMD-IGA-SELM)。首先,通过综合天气指数的计算完成异常和缺失数据的校正;利用皮尔森相关分析计算各影响因子与水温之间的相关度,从而确定预测模型的输入输出量;选择Softplus函数代替Sigmoid函数组成SELM,并引入混沌序列改进标准遗传算法,获得SELM的最佳初始权值和阈值;最后,采用EMD方法将原始水温时序数据进行多尺度分解,在各分量中对IGA-SELM训练建模,并叠加求和各分量预测值,从而完成水温序列的预测。将EMD-ELM和GA-BP模型的预测结果与EMD-IGA-SELM进行对比,结果表明,EMD-IGA-SELM取得了较好的预测精度,评价指标平均绝对误差、平均绝对百分比误差和均方根误差分别为0. 123 3℃、0. 004 3和0. 147 8℃,能够满足水产养殖的生产需要,可为池塘水质管理和调控提供决策支持。
-
单位中国水产科学研究院淡水渔业研究中心; 江苏信息职业技术学院; 江南大学
