本文關(guān)鍵詞：基于RBF神經(jīng)網(wǎng)絡(luò)的溶解氧預(yù)測模型研究

  更多相關(guān)文章： RBF神經(jīng)網(wǎng)絡(luò) 改進型遞歸最小二乘算法 水產(chǎn)養(yǎng)殖水質(zhì) 溶解氧預(yù)測

【摘要】：水產(chǎn)品疾病爆發(fā)甚至死亡存在多種因素,其中養(yǎng)殖水質(zhì)惡化為首要因素,而水產(chǎn)養(yǎng)殖的水質(zhì)參數(shù)種類繁多,具有非線性,模糊不確定,多變量等特點,致使精確的水質(zhì)預(yù)測成為水產(chǎn)養(yǎng)殖產(chǎn)業(yè)迫切需要解決的問題。因而,探索適宜的水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測方法對實現(xiàn)養(yǎng)殖水體水質(zhì)的精準(zhǔn)預(yù)測以及確保水產(chǎn)品的健康生長具有重要的經(jīng)濟價值,理論價值及現(xiàn)實意義。在水質(zhì)預(yù)測應(yīng)用方面,RBF(Radial Basis Function,徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)算法因為其自學(xué)習(xí)自適應(yīng)以及無限可微的良好性能得到了快速地發(fā)展。建立RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測模型,不僅可以克服傳統(tǒng)水質(zhì)預(yù)測方法的缺陷,而且可以提高養(yǎng)殖水質(zhì)的預(yù)測精度。但是,由于RBF神經(jīng)網(wǎng)絡(luò)算法自身也存在缺陷,并且水產(chǎn)養(yǎng)殖水質(zhì)變化無常,建立優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測模型顯得尤為重要。對于RBF神經(jīng)網(wǎng)絡(luò),隱含層到輸出層的連接權(quán)值的確定是否得當(dāng)與網(wǎng)絡(luò)的預(yù)測精度有著密切的關(guān)系。由于RBF神經(jīng)網(wǎng)絡(luò)隱層到輸出層的變化是線性的,因此,利用遞歸最小二乘算法進行RBF神經(jīng)網(wǎng)絡(luò)隱層到輸出層的權(quán)值訓(xùn)練可以有效地提高網(wǎng)絡(luò)的收斂速度以及預(yù)測精度。但是,如果訓(xùn)練樣本過多,利用該算法訓(xùn)練時可能導(dǎo)致矩陣過于龐大而出現(xiàn)病態(tài)運算,進而得不到精確的預(yù)測結(jié)果。為了彌補該算法的缺陷,引入改進型遞歸最小二乘算法與RBF神經(jīng)網(wǎng)絡(luò)進行融合,優(yōu)化了其隱層到輸出層連接權(quán)值的訓(xùn)練過程。本文以水產(chǎn)養(yǎng)殖水質(zhì)重要參數(shù)溶解氧為研究對象,對優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測模型進行了詳細(xì)分析。本文的研究重點主要包括:(1)對RBF神經(jīng)網(wǎng)絡(luò)的概念進行了詳細(xì)地闡述,并分析了水質(zhì)預(yù)測的現(xiàn)狀以及RBF神經(jīng)網(wǎng)絡(luò)算法在水質(zhì)預(yù)測中的應(yīng)用;(2)詳細(xì)闡述了遞歸最小二乘算法以及改進型遞歸最小二乘算法的理論知識,并分析了改進型遞歸最小二乘算法的收斂性,擴大其應(yīng)用的范圍;(3)利用改進型遞歸最小二乘算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)隱含層到輸出層連接權(quán)值,以溶解氧為研究對象,構(gòu)建改進型遞歸最小二乘算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的溶解氧預(yù)測模型。(4)借助MATLAB將RBF神經(jīng)網(wǎng)絡(luò),遞歸最小二乘RBF神經(jīng)網(wǎng)絡(luò)以及改進型遞歸最小二乘RBF神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測結(jié)果進行對比分析,提高了RBF神經(jīng)網(wǎng)絡(luò)在水質(zhì)預(yù)測應(yīng)用中的預(yù)測精度及網(wǎng)絡(luò)的收斂速度。
【關(guān)鍵詞】：RBF神經(jīng)網(wǎng)絡(luò) 改進型遞歸最小二乘算法 水產(chǎn)養(yǎng)殖水質(zhì) 溶解氧預(yù)測
【學(xué)位授予單位】：上海海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：S959;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景10-11
• 1.2 課題來源和研究意義11
• 1.2.1 來源11
• 1.2.2 意義11
• 1.3 國內(nèi)外相關(guān)領(lǐng)域的研究現(xiàn)狀11-15
• 1.3.1 水質(zhì)預(yù)測研究現(xiàn)狀11-14
• 1.3.2 RBF神經(jīng)網(wǎng)絡(luò)在水質(zhì)預(yù)測中應(yīng)用現(xiàn)狀14-15
• 1.4 論文結(jié)構(gòu)15-17
• 1.4.1 研究內(nèi)容15
• 1.4.2 論文框架15-17
• 第二章 RBF神經(jīng)網(wǎng)絡(luò)17-25
• 2.1 人工神經(jīng)網(wǎng)絡(luò)17
• 2.2 RBF神經(jīng)網(wǎng)絡(luò)簡介17-20
• 2.2.1 RBF神經(jīng)網(wǎng)絡(luò)模型18-19
• 2.2.2 RBF神經(jīng)網(wǎng)絡(luò)工作原理19-20
• 2.3 RBF神經(jīng)網(wǎng)絡(luò)徑向基中心的確定20-21
• 2.4 RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法21-24
• 2.4.1 輸入層到隱含層的非線性映射21-22
• 2.4.2 隱含層到輸出層的線性映射22-23
• 2.4.3 RBF神經(jīng)網(wǎng)絡(luò)隱含層和輸出層連接權(quán)值學(xué)習(xí)算法23-24
• 2.5 本章小結(jié)24-25
• 第三章 優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)算法對比25-33
• 3.1 遞歸最小二乘算法25-28
• 3.2 改進型遞歸最小二乘算法28-29
• 3.3 優(yōu)化算法的收斂性分析29-30
• 3.4 算法理論對比分析30-31
• 3.4.1 遞歸最小二乘算法的不足30
• 3.4.2 算法異同點30-31
• 3.5 本章小結(jié)31-33
• 第四章 基于優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)溶解氧預(yù)測模型33-54
• 4.1 溶解氧的重要性33-34
• 4.1.1 溶解氧的基本概念33
• 4.1.2 溶解氧對水產(chǎn)養(yǎng)殖的影響33-34
• 4.2 溶解氧與其他水質(zhì)因子相關(guān)性分析34-38
• 4.3 數(shù)據(jù)來源及樣本構(gòu)成38-44
• 4.3.1 數(shù)據(jù)來源38-42
• 4.3.2 樣本構(gòu)成42-44
• 4.4 數(shù)據(jù)樣本與預(yù)處理44-46
• 4.5 溶解氧預(yù)測模型46-49
• 4.6 溶解氧預(yù)測結(jié)果比較及分析49-53
• 4.6.1 改進型遞歸最小二乘仿真結(jié)果49-51
• 4.6.2 溶解氧預(yù)測結(jié)果對比分析51-53
• 4.7 本章小結(jié)53-54
• 第五章 總結(jié)與展望54-56
• 5.1 主要工作總結(jié)54
• 5.2 本課題需要進一步研究的地方54-56
• 參考文獻(xiàn)56-59
• 附錄59-60
• 致謝60

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 董廣強,韓繼光,邢艷芳;神經(jīng)網(wǎng)絡(luò)在曲線圖中的應(yīng)用[J];農(nóng)機化研究;2003年01期

2 馮芙葉,趙高長,張Oz舉;梯度神經(jīng)網(wǎng)絡(luò)的H-穩(wěn)定性[J];西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版);2003年01期

3 朱玲;裴洪平;陳榮;;灰色RBF網(wǎng)絡(luò)在西湖葉綠素a預(yù)測中的應(yīng)用[J];農(nóng)機化研究;2008年01期

4 師春祥;王晶;張文靜;段慶;;蟻群神經(jīng)網(wǎng)絡(luò)用于農(nóng)村電力短期負(fù)荷預(yù)測[J];農(nóng)機化研究;2008年10期

5 姚吟秋;;淺談神經(jīng)網(wǎng)絡(luò)在生物工程中的應(yīng)用[J];貴州農(nóng)機化;2011年01期

6 黃星奕,吳守一,方如明;用神經(jīng)網(wǎng)絡(luò)方法進行大米留胚率自動檢測的研究[J];農(nóng)業(yè)工程學(xué)報;1999年04期

7 馮旭東,陳方;神經(jīng)網(wǎng)絡(luò)在病蟲害診斷中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;1999年01期

8 劉素青,周暢,杜盛珍;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)木材消耗量預(yù)測模型研究[J];林業(yè)科學(xué);2001年03期

9 郝志華,馬孝江;多分量神經(jīng)網(wǎng)絡(luò)自回歸模型及其工程應(yīng)用[J];農(nóng)業(yè)機械學(xué)報;2005年02期

10 劉繼龍;張振華;謝恒星;;果園土壤貯水量神經(jīng)網(wǎng)絡(luò)估算模型研究[J];農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究;2007年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：579951