基于LSSA-XGBOOST改进算法的高体鰤鱼类体质量预测模型

为构建利用体质量判断的精准投喂模型,需实时获取鱼群体质量状态,基于LSSA-XGBOOST算法,通过对工船养殖实测的高体鰤(Seriola dumerili)体长、体宽和体质量数据进行分析,构建以体长、体宽两项体态特征数据为输入、体质量数据为输出的高体鰤体质量预测模型。结果显示,与常规数学模型拟合相比,LSSA-XGBOOST模型拟合的相关性系数R^(2)提高约10%;与传统BP神经网络和粒子群优化BP相比,LSSA-XGBOOST模型误差平方和R^(2)提升约3%,这为构建基于体质量判断的高体鰤精准投喂模型提供了理论依据。