基于游程检测法重构集合经验模态的养殖水质溶解氧预测

• 作者: 吴帆 宦娟 曹伟建 秦益霖
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 水质 水产养殖 模型 溶解氧 集合经验模态分解 游程检测法 组合预测
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 农业生物环境与能源工程
• 页码范围: 220-226
• 页数: 7页
• 分类号: TP391
• 字数: 5765字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.08.029

摘要

为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition, EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型.该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果.将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型.在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.0992、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.0155,R2为0.9955.表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宦娟	常州大学信息科学与工程学院	23	164	5.0	12.0
2	吴帆	常州大学信息科学与工程学院	2	11	1.0	2.0
3	曹伟建	常州大学信息科学与工程学院	5	15	2.0	3.0
4	秦益霖	常州大学信息科学与工程学院	2	3	1.0	1.0