您好,欢迎访问北京市农林科学院 机构知识库!

基于改进粒子群优化极限学习机的养殖氨态氮含量预测模型

文献类型: 中文期刊

作者: 徐大明 1 ; 杜永贵 2 ; 孙传恒 2 ; 周超 3 ;

作者机构: 1.太原理工大学信息工程学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

2.;太原理工大学信息工程学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心

3.;太原理工大学信息工程学院;国家农业信息化工程技术研究中心;农业部农业信息技术重点实验室;北京市农业物联网工程技术研究中心;

关键词: 氨态氮预测;粒子群算法;变异算子;极限学习机

期刊名称: 江苏农业科学

ISSN: 1002-1302

年卷期: 2017 年 04 期

页码: 183-186

收录情况: 北大核心

摘要: 针对养殖水体氨态氮含量预测准确性低的问题,提出了一种基于改进粒子群算法优化极限学习机的水产养殖氨态氮含量预测模型。引入自适应变异算子改进粒子群算法的搜索性能,利用改进粒子群算法优化极限学习机的初始权值和阈值,最后训练极限学习机预测模型求得最优解。将该预测模型应用在小汤山水产品养殖系统进行有效性验证,通过试验发现,与PSO-ELM和普通BP神经网络相比,IPSO-ELM预测氨态氮含量模型有更高的精度和更好的拟合能力。结果表明,基于改进粒子群优化的极限学习机氨态氮含量预测模型简单易懂、预测精度高、易于实现,具有较好的预测性能。

  • 相关文献

[1]基于粒子群优化BP神经网络的水产养殖水温及pH预测模型. 徐大明,周超,孙传恒,杜永贵. 2016

[2]基于改进粒子群的农田W SN路由优化方法. 缪祎晟,赵春江,吴华瑞. 2022

[3]基于介电频谱技术的甜瓜品种无损检测. 王转卫,赵春江,商亮,孔繁荣,翁小凤. 2017

[4]区域冬小麦籽粒蛋白含量遥感预测研究. 王琦,宋晓宇,杨贵军,李振海,冯海宽. 2018

[5]玉米单粒种子发芽潜力无损检测方法研究. 张晗,董宏图,栗彬彬,闫宁,吴旭东,罗斌. 2021

[6]基于LightGBM-SSA-ELM的新疆羊舍CO_2浓度预测. 尹航,吕佳威,陈耀聪,岑红蕾,李景彬,刘双印. 2022

[7]TLBO-ELM模型的番茄灰霉病高光谱潜育期诊断. 张燕,吴华瑞,朱华吉. 2022

作者其他论文 更多>>