【摘要】：近年來,水產養(yǎng)殖業(yè)正以驚人的速度增長,已經逐漸成為世界范圍內的又一項主導產業(yè)。落后的水質管理方式和落后的水產養(yǎng)殖模式導致我國每年因水產病害損失高達140億元,水質的惡化是引起水產品疾病暴發(fā)的主要因素。由于養(yǎng)殖池塘系統(tǒng)的非線性和復雜性,以及水質因子之間的相互影響,用傳統(tǒng)的方法不能建立令人滿意的水質預測模型。 人工神經網絡預測模型是以計算智能為核心的現(xiàn)代預測方法。雖然人工神經網絡廣泛的運用在各個領域,但是在水產養(yǎng)殖水質預測方面尚屬初級階段。本文以MATLAB2011為平臺,采用了L-M算法改進的BP網絡以及RBF網絡對水質預測進行研究。 本文以海口市某水產養(yǎng)殖場為例,通過實際檢測獲得其養(yǎng)殖池塘連續(xù)8d的6種水質因子的數(shù)據(jù)。分別建立了含有一個隱含層的3層BP神經網絡以及RBF神經網絡,兩個網絡的輸出目標為溶解氧溶度,取另外的5種水質因子作為網絡的輸入向量,并用ATLAB軟件建立了神經網絡預測模型。 通過對養(yǎng)殖池的溶解氧溶度的預測結果表明,BP神經網絡以及RBF神經網絡能夠有效的運用在水質預測方面,具有較高的精度,具有很高的實用價值。
[Abstract]:In recent years, aquaculture is growing at an alarming rate and has become a leading industry in the world. The backward water quality management method and the backward aquiculture mode have resulted in the loss of the aquatic products by up to 1.4 billion yuan each year, and the deterioration of the water quality is the main factor causing the outbreak of the aquatic products disease. Due to the non-linearity and complexity of the culture pond system and the interaction between the water quality factors, a satisfactory water quality prediction model cannot be established by the conventional method. Artificial neural network prediction model is a modern predictor with intelligence as the core Method. Although the artificial neural network is widely used in various fields, it is the primary level in the water quality prediction of aquaculture. In this paper, using MATLAB2011 as the platform, the improved BP network and RBF network of the L-M algorithm are used to study the water quality prediction. In this paper, an example of an aquatic farm in Haikou City is taken as an example, and six water quality factors of the culture pond for 8 days are obtained by actual detection. The three-layer BP neural network with an implicit layer and the RBF neural network are respectively established. The output target of the two networks is the dissolved oxygen solubility, and the other five water quality factors are taken as the input vector of the network, and the neural network is pre-established by the ATLAB software. The prediction results of the dissolved oxygen solubility of the culture pond show that the BP neural network and the RBF neural network can be used effectively in water quality prediction and have high precision and high accuracy.
【學位授予單位】：海南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP183

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經網絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經網絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經網絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經網絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經網絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經網絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經網絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經網絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經網絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[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;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(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“神經網絡硬件”[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;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“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網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 曾U喺，

本文編號：2512068