期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于粒子群优化BP神经网络的水产养殖水温及pH预测模型
被引量:
19
1
作者
徐大明
周超
+1 位作者
孙传恒
杜永贵
《渔业现代化》
北大核心
2016年第1期24-29,共6页
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个...
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。
展开更多
关键词
粒子群算法
BP神经网络
水产养殖
渔情预警
水质预测模型
下载PDF
职称材料
题名
基于粒子群优化BP神经网络的水产养殖水温及pH预测模型
被引量:
19
1
作者
徐大明
周超
孙传恒
杜永贵
机构
国家农业信息化工程技术研究中心
太原理工大学信息工程学院
出处
《渔业现代化》
北大核心
2016年第1期24-29,共6页
基金
国家863计划项目(2012AA101905-02)
北京市自然科学基金资助项目(6152009)
国家现代农业产业技术体系建设专项(CARS-49-03A)
文摘
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。
关键词
粒子群算法
BP神经网络
水产养殖
渔情预警
水质预测模型
Keywords
particle swarm optimization(PSO)
BP neural network(BPNN)
aquaculture
fishing condition warning
water quality prediction model
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
S934 [农业科学—渔业资源]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于粒子群优化BP神经网络的水产养殖水温及pH预测模型
徐大明
周超
孙传恒
杜永贵
《渔业现代化》
北大核心
2016
19
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部