基于GA-BP神经网络的池塘养殖水温短期预测系统

摘要：

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统.该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证.结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.1968、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要.

关键词：水产养殖、水温预测系统、主成分分析、遗传算法、BP神经网络

所属期刊栏目：48

分类号：TP391;S95(计算技术、计算机技术)

资助基金：山东省重点研发计划项目2015GGX101041;上海市科技兴农重点攻关项目沪农科攻字2014第4-6-2号;广东省海大集团基于物联网技术的智慧水产养殖系统院士工作站2012B090500008

在线出版日期：2017-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：172-178