中国农村水利水电
中國農村水利水電
중국농촌수이수전
CHINA RURAL WATER AND HYDROPOWER
2011年
2期
14-16,22
,共4页
溶解氧%遗传算法%神经网络%预测模型
溶解氧%遺傳算法%神經網絡%預測模型
용해양%유전산법%신경망락%예측모형
在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础.
在分析瞭工廠化水產養殖池塘溶解氧影響因素的基礎上,利用RBF神經網絡良好的非線性逼近能力建立瞭池塘溶解氧的神經網絡預測模型.常規的RBF神經網絡模型常導緻訓練時間較長且易陷入跼部極小點,因此,採用自適應遺傳算法對RBF神經網絡進行優化,模型的收斂速度明顯加快.採用瞭養殖池塘的外部可控環境水體溫度T、水流量Q、痠度(pH)以及增氧機器的轉速V作為模型的輸入.實驗結果錶明採用該方法預報溶解氧的預測精度較常規RBF遞推算法的預測精度明顯提高.該方法為研製開髮智能水產養殖環境鑑控繫統以及工廠化水產養殖奠定瞭基礎.
재분석료공엄화수산양식지당용해양영향인소적기출상,이용RBF신경망락량호적비선성핍근능력건립료지당용해양적신경망락예측모형.상규적RBF신경망락모형상도치훈련시간교장차역함입국부겁소점,인차,채용자괄응유전산법대RBF신경망락진행우화,모형적수렴속도명현가쾌.채용료양식지당적외부가공배경수체온도T、수류량Q、산도(pH)이급증양궤기적전속V작위모형적수입.실험결과표명채용해방법예보용해양적예측정도교상규RBF체추산법적예측정도명현제고.해방법위연제개발지능수산양식배경감공계통이급공엄화수산양식전정료기출.
