發(fā)布時(shí)間：2024-05-26 21:48

　　為了有效地指導(dǎo)水產(chǎn)養(yǎng)殖生產(chǎn),提高溶解氧濃度預(yù)測(cè)的精度,提出了基于因子篩選和改進(jìn)極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)的水產(chǎn)養(yǎng)殖溶解氧預(yù)測(cè)模型。首先,利用皮爾森相關(guān)系數(shù)法計(jì)算各影響因子與溶解氧濃度間的相關(guān)系數(shù),提取強(qiáng)關(guān)聯(lián)因子,降低預(yù)測(cè)模型的輸入量維度;采用偏最小二乘算法(Partial Least Square, PLS)優(yōu)化傳統(tǒng)ELM神經(jīng)網(wǎng)絡(luò),避免網(wǎng)絡(luò)中隱含層共線性問(wèn)題,保障輸出權(quán)值的穩(wěn)定性;然后,結(jié)合新型激活函數(shù),構(gòu)建水體溶解氧濃度預(yù)測(cè)模型。最后,將SPLS-ELM(Selection Based Partial Least Square Optimized-Extreme Learning Machine)預(yù)測(cè)模型應(yīng)用到江蘇省無(wú)錫市南泉基地某試驗(yàn)池塘的水體溶解氧預(yù)測(cè)中。試驗(yàn)結(jié)果表明:該模型的預(yù)測(cè)均方根誤差為0.323 2 mg/L,與最小二乘支持向量機(jī)(Least Square Support Vector Machine,LSSVM)、BP神經(jīng)網(wǎng)絡(luò)、粒子群(Particle Swarm Optimization,PSO)優(yōu)化LSSVM和遺傳算法(G...

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

圖23種激活函數(shù)Fig.2Threeactivationfunction

第19期施珮等：基于改進(jìn)極限學(xué)習(xí)機(jī)的水體溶解氧預(yù)測(cè)方法2271.3研究方法1.3.1基于新型激活函數(shù)的極限學(xué)習(xí)機(jī)ELM是一種具有較強(qiáng)非線性處理能力的單隱藏層神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法[13]。在ELM中，假設(shè)存在N個(gè)樣本數(shù)據(jù)(xi,ti)(i=1,2,…,N)，其中，xi=[xi1,xi2....

圖4溶解氧預(yù)測(cè)模型算法流程圖Fig.4Flowchartofdissolvedoxygenpredictionmodel

第19期施珮等：基于改進(jìn)極限學(xué)習(xí)機(jī)的水體溶解氧預(yù)測(cè)方法229圖4溶解氧預(yù)測(cè)模型算法流程圖Fig.4Flowchartofdissolvedoxygenpredictionmodel步驟一，數(shù)據(jù)的預(yù)處理：針對(duì)水質(zhì)監(jiān)測(cè)系統(tǒng)和自動(dòng)氣象站采集的數(shù)據(jù)進(jìn)行預(yù)處理，主要完成水質(zhì)數(shù)據(jù)和自動(dòng)氣象站....

圖5SPLS-ELM預(yù)測(cè)模型的溶解氧預(yù)測(cè)值曲線Fig.5SPLS-ELMmodels’predictedtrendsofdissolvedoxygen

農(nóng)業(yè)工程學(xué)報(bào)（http://www.tcsae.org）2020年230果表明，提出的SPLS-ELM在PLS-ELM的基礎(chǔ)上提高了模型的預(yù)測(cè)效率以及預(yù)測(cè)值與實(shí)際值之間的關(guān)聯(lián)性，PLS優(yōu)化操作也提高了傳統(tǒng)ELM的預(yù)測(cè)效率以及預(yù)測(cè)值與實(shí)際值之間的關(guān)聯(lián)性。SPLS-ELM預(yù)測(cè)模型的效....

本文編號(hào)：3982344