基于K-means聚类和ELM神经网络的养殖水质溶解氧预测

• 作者: 刘星桥 宦娟
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 神经网络 模型 养殖 溶解氧预测 相似日 K-means聚类 ELM神经网络
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 农业生物环境与能源工程
• 页码范围: 174-181
• 页数: 8页
• 分类号: TP391
• 字数: 6341字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2016.17.024

摘要

为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题，该文以2014、2015年江苏常州养殖基地水质和气象数据为基础，提出了一种基于K-means聚类和ELM神经网络（extreme learning machine，ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数，自定义相似日的统计量－相似度，通过K-means聚类方法将历史日样本划分为若干类，然后分类识别获得与预测日最相似的一类历史日样本集，将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明，该模型均具有较快的计算速度和较高的预测精度，在常规天气下，平均绝对百分误差和均方根误差分别达到1.4%、10.8%；在突变天气下，平均绝对百分误差和均方根误差分别达到2.6%和11.6%，有利于水产养殖水质精准调控。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘星桥	江苏大学电气信息工程学院	105	1201	18.0	30.0
2	宦娟	江苏大学电气信息工程学院	23	164	5.0	12.0