基于改进深度信念网络的池塘养殖水体氨氮预测模型研究

• 作者: 刘烨琦 成艳君 李道亮 杨玲 陈英义
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 模型 主成分分析 水产养殖 氨氮预测 粒子群算法 深度信念网络 小波降噪
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 农业生物环境与能源工程
• 页码范围: 195-202
• 页数: 8页
• 分类号: S959|TP274+.5
• 字数: 7099字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.07.024

摘要

水体氨氮是影响水产养殖质量和产量的关键参数之一.然而,池塘养殖环境复杂多变,氨氮含量影响因子众多,且各因子之间相互关联并呈现非线性变化,同时,获取的数据存在大量噪声.因此,采用数学方法及传统神经网络很难精准预测氨氮含量,且在进行数据训练时存在局部收敛和计算效率差的问题.针对上述问题,首先,通过主成分分析筛选影响氨氮含量变化的主要因子作为模型输入,利用小波阈值方法实现噪声消除;然后,提出一种基于粒子群优化算法(particle swarm optimization,PSO)并结合多变量深度信念网络(multi-variable deep belief network,MDBN)预测模型,对池塘养殖水体溶解氧预测,并与传统最小二乘支持向量机、BP神经网络、DBNs(deep belief networks)模型进行了比较分析.研究结果表明,该文所提方法其平均百分比误差(mean absolute percentage error,MAPE)为0.1172,与传统最小二乘支持向量机、BP神经网络、DBNs方法进行对比,其MAPE分别降低了0.2859、0.2146、0.0139.除此之外,随着样本数量增加,其模型绝对误差不断降低.因此,该文所提方法具有高的预测精度及泛化性能,研究可为池塘水体氨氮含量精准预测提供理论依据和参数支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨玲	中国农业大学信息与电气工程学院	17	133	5.0	11.0
3	陈英义	中国农业大学信息与电气工程学院	35	297	11.0	15.0
7	成艳君	中国农业大学信息与电气工程学院	3	22	2.0	3.0
13	刘烨琦	中国农业大学信息与电气工程学院	1	4	1.0	1.0