基于小波神经网络的鱼类价格预测研究

鱼类市场价格是影响渔民收益的重要因素,因此如何能够准确分析和预测鱼类的价格是一个十分重要的问题。论文在考虑了BP网络原形的一些缺点和不足,尝试在传统BP算法的基础上将网络神经元中的激励函数换成小波子函数,组建成的小波神经网络。通过对鲈鱼价格的预测,验证了小波神经网络的可行性,然后基于阿里巴巴的鲈鱼价格的历史数据,验证了该方法的合理性。最后开展对新疆乌伦古湖水产综合基地三类主要鱼类价格预测的实证研究,研究结果表明河鲈和梭鲈的价格会有小幅的波动,但高白鲑的价格会有大幅的提升。因此,小波神经网络作为一种传统神经网络的改进,可用于预测鱼类价格的短期预测,为水产基地的决策提供依据。

基于响应面法的鱼类养殖优化研究

乌伦古湖总面积1035平方公里，是全国十大内陆淡水湖泊之一，湖区水源补充来自乌伦古河和我国唯一一条注入北冰洋的河流一额尔齐斯河，因此乌伦古湖兼有两大河流二十余种土著名特优冷水性鱼类和亚冷水性鱼类，是我国重要的淡水鱼类种质资源库。其中的白斑狗鱼、梭鲈、河鲈、丁鱼岁、额河银鲫等经济鱼种为我国新疆所独有，是目前市场迫切需要的增养殖品种；是适应人们对现有水产品品质提高、口感改进、肉质改善及规格适度要求的淡水鱼。