10.3969/j.issn.1006-9348.2017.12.099
水产养殖水质异常优化预测仿真研究
对水产养殖水质的异常进行预测,能够有效提高水产养殖水质的质量.对水质异常的预测,需要计算出数据预测值,分析单整自回归移动平均模型特点,完成水质异常预测.传统方法对水产养殖水质参数的异常预测,是先对水质进行排除,预测异常,其过程复杂且预测精度偏低.提出基于滑动窗口的水产养殖水质参数异常预测算法,对原始数据进行异常点排除.构建高精确度的线性时间序列预测模型,对数据进行逐层训练,将实际输出与预期输出的误差逐层向后传播,计算出数据预测值,深入分析单整自回归移动平均模型与深度信念网络模型特点,建立一种水产养殖水质异常预测模型,并应用在水产养殖溶解氧的水产养殖水质预测中.完成对水产养殖水质参数的异常预测.实验结果表明,ARIMA-DBN组合模型的均方误差为0.0723,平均相对误差为0.0054,平均绝对误差为0.0354,验证了将ARIMA-DBN组合模型应用于水产养殖水产养殖水质预测的有效性.
水产养殖、水质异常、预测
34
TP391.41(计算技术、计算机技术)
上海市科委科技支撑项目资助14391901400
2018-02-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
447-450