基于EMD和ELM的工厂化育苗水温组合预测模型

• 作者: 刘双印 张军 徐龙琴 李乾川 李道亮
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 南美白对虾 工厂化养殖 水温 组合预测 极限学习机 经验模态分解
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 265-271,308
• 分类号: TP391
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2016.04.035

摘要

针对南美白对虾工厂化育苗水温时序数据存在非线性、非平稳等特点,采用传统单项预测方法预测精度低、鲁棒性差等问题,提出基于经验模态分解(EMD)、相空间重构和极限学习机(ELM)的非线性组合预测模型.在建模过程中,采用EMD方法将工厂化育苗水温原始时序数据多尺度分解为一系列固有模态分量(IMF),并对各分量进行相空间重构,在相空间中对ELM训练建模,分别对各IMF序列进行预测,将各分量预测结果进行叠加重构得到原始水温序列的预测值.将该模型应用于广东省湛江市南美白对虾工厂化育苗水温预测中,结果表明,该模型取得了较好预测效果.与BP神经网络、标准LSSVR和标准ELM等单项预测模型对比分析,模型评价指标NAPE、RMSE和MAE分别为0.015 8、0.032 9和0.096 2,均表明提出的组合模型具有较高预测精度和泛化性能,为南美白对虾工厂化育苗水温调控管理提供了一种有效的技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐龙琴	广东海洋大学信息学院	35	324	12.0	16.0
2	刘双印	广东海洋大学信息学院	35	333	12.0	17.0
3	李道亮	中国农业大学中欧农业信息技术研究中心	137	2290	25.0	40.0
4	张军		4	18	2.0	4.0
5	李乾川	加州大学洛杉矶分校文理学院	1	14	1.0	1.0