智能算法在水产养殖水质预测中的应用研究

《智能算法在水产养殖水质预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要近年来，伴随国家对养殖产业的大力扶持，集约化工厂化水产养殖得到了飞快地发展，并已逐渐成为养殖业的主体之一。养殖水体水质的好坏对鱼类生长起着决定性的影响，随着养殖密度的不断增大，对于养殖水体水质预测技术的要求也越来越高。研究养殖水体氨氮含量预测精确度问题，可作为指导水产养殖提供科学依据。由于养殖水体影响水质的各个因素高度关联耦合，因而难以建立具有通用性的水质预测模型对其进行精确地预测。本文先对水质预测中常用的预测方法进行了介绍，并对其优缺点做了分析比较，最后选择了具有运算速度较快、推广能力较强的最小二乘支持向量机(LS-SVM)对养

2、殖水体水质进行预测。建立在统计学理论基础上的支持向量机(SVM)是一种新型机器学习算法。它遵循结构风险最小化原则，能解决传统机器学习中在小样本、非线性等情形下常见的陷入局部最优以及过学习等问题，具有较强的泛化能力。LS-SVM是基于SVM的一种扩展，将其约束条件由不等式改为等式，从而避免了求解二次规划的问题，能够得到模型的解析解。LS-SVM的性能很大程度上取决于其参数的选择，不合适的参数往往难以达到理想的预测效果。然而，目前参数的选择方法多是依赖经验，效率低下。量子粒子群优化(QPSO)算法作为粒子群优化(PSO)算法一种改进算法，具有

3、较快的收敛速度与较好的鲁棒性,越来越多地被应用于LS-SVM的参数寻优。但它作为一种新型的优化算法，很多方面还不够完善。所以为了更好地平衡QPSO算法的局部搜索和全局搜索能力，改善其综合优化性能，提出一种复合权值自调整策略的量子粒子群优化(ACWQSPO)算法，采用复合策略的收缩-扩张系数，算法的收敛精度和鲁棒性均获得一定程度的提升。而针对建模样本数据集难免存在差错以及由此产生的对模型性能的影响，提出了一种Laplace分布函数的加权最小二乘支持向量机(LWLS-SVM)。新算法利用了Laplace分布的特性，降低了奇异样本对模型性能的副

4、作用，使得其稀疏性和鲁棒性得到加强。最后，本文列出了影响养殖水体水质的主要因素，并分析了它们之间的复杂关联关系，选取了对水质影响较大的氨氮含量作为预测对象。针对样本数据在采集过程中难免出现差错的问题，在使用之前先对它们进行了预处理。本文研究了养殖水体水质的特点以及LWLS-SVM的参数选择对回归预测精度的影响，选用ACWQPSO优化获取LWLS-SVM的参数组合，提出一种ACWQPSO优化LWLS-SVM预测模型，并将该预测模型用于某地区的养殖水体水质预测中。通过实验比较分析，表明了本文所建立的预测模型应用于养殖水体水质预测的可行性，具有

5、良好的实用价值。I摘要关键词：水质预测；量子粒子群优化算法；复合权值策略；最小二乘支持向量机；加权函数IIAbstractAbstractInrecentyears,withthecountry'sstrongsupportfortheaquacultureindustry,intensiveindustrialaquaculturehasbeendevelopingquickly,andhasgraduallybecomeoneofthemainaquaculture.Aquaculturewaterqualitywhichisgood

6、orbadplaysadecisiveimpactonfishgrowth,andwiththeincreasingdensityofbreedingforaquaculturewaterqualitypredictiontechniquesareincreasinglyhighrequirements.Researchaquaculturewaterammoniacontentforecastaccuracyproblem,youcanprovideascientificbasisforguidanceaquaculture.Dueto

7、thehighlycouplingfactorsofaquaculturewaterquality,butitisdifficulttoestablishauniversalmodeltoaccuratelypredict.Inthispaper,commonlyusedtopredictwaterqualitypredictionmethodfirstintroduced,anditscomparativeadvantagesanddisadvantagesofdoingtheanalysisandcomparison,thefinal

8、choicehasacomputingspeed,strongmarketingcapabilitiesleastsquaressupportvectormachineforaquacultu