基于MIC-BP神经网络溶解氧预测模型的构建和评价

作者：陈梦云

来源：渔业研究, 2023, 45(04): 317-330.

DOI：10.14012/j.cnki.fjsc.2023.04.001

• 溶解氧预测
• 最大信息系数(MIC)
• 机器学习
• BP神经网络

溶解氧(DO)是影响水生生物生长和水环境健康的重要环境因子，对DO精准预测有利于水产养殖业的健康发展。本研究根据福建闽江水口库区水质在线浮标SK11、SK18站位2022年1月到6月的水质数据和气象数据，分别运用BP神经网络预测模型和MIC-BP神经网络预测模型进行机器学习，给出预测结果，同时对两种DO预测模型的预测结果进行比较验证。结果表明：经过最大信息系数(MIC)的识别和筛选，13项输入因子中与DO相关性较大的因子有pH、水温、叶绿素a、电导率、浊度、氨氮浓度和亚硝酸盐氮浓度等7项；混合MIC-BP神经网络模型的效果明显优于独立的BP神经网络模型，候选因子经过MIC的识别和筛选后可以明显增加模型的性能，表现为：在SK11站位，MIC-BP神经网络模型的性能相对于独立BP神经网络模型，MAE降低约29.29%,RMSE降低约60.09%,NSE增加27.63%;在SK18站位，MIC-BP神经网络模型的性能相对于独立BP神经网络模型，MAE降低约17.16%,RMSE降低约16.23%,NSE增加12.77%。

• 单位
  福建省淡水水产研究所