采用主成分分析和BP神经网络算法预测池塘养鱼产量和换水量

• 作者: 何捷 张俊彪 蔡春芳 陈雯
• 来源期刊: 河南农业科学
• 学科: 农学
• 关键词: BP神经网络 主成分分析 养鱼池塘 养鱼产量 换水量 经济效益 生态影响
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 农产品加工与质量安全·农业工程·农业信息技术
• 页码范围: 174-180
• 页数: 7页
• 分类号: S964.3
• 字数: 3436字
• 语种: 中文
• DOI: 10.15933/j.cnki.1004-3268.2020.06.023

摘要

产量和换水量分别是池塘养鱼经济效益和生态影响的重要衡量指标.为探讨影响常规鱼类养殖产量和换水量的主要因子,建立基于反向传播(BP)神经网络(ANN)算法的预测模型,通过调查获得51组关于混养草鱼(Ctenopharyngodon idellus)、鲫鱼(Carassius auratus)、鲤鱼(Cyprinus carpio)池塘的完整管理信息.经主成分分析(PCA),草鱼放养密度、鲫鱼放养密度、鲫鱼放养规格、鲤鱼捕捞规格、鳙鱼(Aristichthys nobilis)捕捞规格、鲤鱼产量、塘租费、苗种费、饲料费、电费、调水费、病害防治费、人工费、水深及是否发生蓝藻等15个参数均被筛选入放养鱼类总产量和夏季换水量模型中.放养鱼类总产量模型中还筛选进鲫鱼产量、鳙鱼产量和增氧方式3个参数.夏季换水量模型中还筛选进鲤鱼放养密度和鲢(Hypophthalmichthys molitrix)、鳙放养时间2个参数.随机选取45组数据采用BP-ANN算法建模并预测另外6组数据.结果显示,放养鱼类总产量模型相对误差(RE)最大为8.40％,绝对误差(AE)最大为2.53 t/hm2,平均相对误差(MRE)为5.81％,平均绝对误差(MAE)为1.51 t/hm2.夏季换水量模型AE值最大为19.10 cm,MAE值为13.36 cm.2种模型决定系数(R2)分别是0.9413、0.9965,均方误差(MSE)分别是0.0065和0.0633.总体拟合性能良好,表明BP-ANN是建立养鱼池塘经济效益和生态影响模型的有效手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡春芳	苏州大学基础医学与生物科学学院	164	1874	23.0	36.0
2	陈雯	苏州大学基础医学与生物科学学院	5	5	2.0	2.0
3	张俊彪	苏州大学基础医学与生物科学学院	3	0	0.0	0.0
4	何捷		1	0	0.0	0.0