您好,欢迎访问中国水产科学研究院 机构知识库!

基于变尺度混沌QPSO-LSSVM的水质溶氧预测建模

文献类型: 中文期刊

作者: 龚怀瑾 1 ; 毛力 1 ; 杨弘 2 ;

作者机构: 1.江苏省信息融合软件工程技术研发中心

2.中国水产科学研究院淡水渔业研究中心

关键词: 最小二乘支持向量机;量子粒子群算法;混沌;水质预测

期刊名称: 计算机与应用化学

ISSN: 1001-4160

年卷期: 2013 年 003 期

页码: 315-318

收录情况: 北大核心 ; CSCD

摘要: 在水产养殖业中,水质对水中生物体的生长具有重要的影响,影响水质的因素主要包括:养殖水体的温度、pH值、氨氮含量、水中的溶解氧含量等等.根据统计资料显示.直接或者间接的遭受缺氧致死的鱼类,大约占到养殖鱼类死亡总数的60%,因此对水质溶氧含量进行预测对水产养殖业具有很大的意义.在预测方面,传统神经网络容易陷入局部最优,模型的推广能力不够强,支持向量机模型能够克服神经网络的这个缺点,具有很好的推广能力.本文运用变尺度混沌量子粒子群优化算法优化最小二乘支持向量机,选取国家罗非鱼产业技术研发中心无锡养殖基地的实际测量数据作为训练和测试样本数据,对水质溶氧情况进行预测.针对粒子群优化算法和量子粒子群优化算法容易陷入早熟的缺点,提出变尺度混沌量子粒子群优化算法来对最小二乘支持向量机进行参数寻优,并将这种建模方法运用于水质溶氧预测中.将传统神经网络模型以及基于量子粒子群优化算法优化的最小二乘支持向量机模型的预测结果与本文所建立的模型的预测结果相比较,证明了本文算法具有优越性,同时该模型较好的预测了水质溶氧趋势,为渔业的养殖提供了良好的参考价值.

  • 相关文献

[1]基于L-M神经网络优化算法的池塘水色判别系统的初步建立. 王海英,曹晶,谢骏,王广军,胡朝莹. 2010

[2]基于蜂群优化多核支持向量机的淡水鱼种类识别. 吴一全,殷骏,戴一冕,袁永明. 2014

[3]基于Bayesian的海洋脂肪酶发酵过程软测量建模. 朱湘临,岳海东,孙谧. 2015

作者其他论文 更多>>