GRNN和Elman神经网络在水体溶解氧预测中的应用

摘要：

针对池塘溶解氧浓度受较多因素影响的复杂性,选择基于广义回归网络(general regression neural network,简称GRNN)、Elman神经网络和BP(back propagation)神经网络算法构建关于溶解氧的预测模型,并将模型应用于水产养殖池塘溶解氧的预测中,力求找到能够长期预测池塘溶解氧浓度的有效方法.研究结果表明,GRNN和Elman神经网络模型的拟合效果均比BPNN(back propagation neural network)的拟合效果好,且有较高的预测精度,平均相对误差绝对值分别为7.48％、11.03％.同时,GRNN和Elman网络模型的算法稳定,计算复杂性低,因此2个模型适合对溶解氧浓度进行预测,有一定的应用价值,可以为水产养殖管理提供依据.

关键词：溶解氧、GRNN神经网络、Elman神经网络、BP神经网络、水产养殖管理

所属期刊栏目：45

分类号：S126(农业物理学)

资助基金：现代农业产业技术体系专项CARS-49;中央级公益性科研院所基本科研业务费专项资金2015JBFM22

在线出版日期：2018-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：217-221