计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
11期
307-310
,共4页
水产养殖%溶解氧%主成分分析%神经网络
水產養殖%溶解氧%主成分分析%神經網絡
수산양식%용해양%주성분분석%신경망락
Aquaculture%Dissolved oxygen%Principal component analysis%Neural network
溶解氧是水产养殖中水质的重要指标,针对鱼塘溶解氧量的预测进行研究,可为科学管理鱼塘提供重要的理论依据.鱼塘溶解氧量受多种因素影响,参数之间作用机理复杂,目前常用的BP神经网络算法能有效地解决非线性映射问题,但是对于高维输入变量时,会使网络训练复杂化,容易陷入局部最优化问题,难以得到全局优化解.为了解决上述问题,提出一种将主成分分析方法和BP神经网络相结合的溶氧值预测模型.利用主成分分析方法对输入样本进行降维,消除因子间相互影响,进而建立BP神经网络模型进行预测,并与基本BP神经网络模型进行比较.仿真结果表明,采用基于主成分分析方法的BP神经网络预测模型预测稳定性较好、精度更高,对鱼塘溶氧值预测具有一定的实际参考价值.
溶解氧是水產養殖中水質的重要指標,針對魚塘溶解氧量的預測進行研究,可為科學管理魚塘提供重要的理論依據.魚塘溶解氧量受多種因素影響,參數之間作用機理複雜,目前常用的BP神經網絡算法能有效地解決非線性映射問題,但是對于高維輸入變量時,會使網絡訓練複雜化,容易陷入跼部最優化問題,難以得到全跼優化解.為瞭解決上述問題,提齣一種將主成分分析方法和BP神經網絡相結閤的溶氧值預測模型.利用主成分分析方法對輸入樣本進行降維,消除因子間相互影響,進而建立BP神經網絡模型進行預測,併與基本BP神經網絡模型進行比較.倣真結果錶明,採用基于主成分分析方法的BP神經網絡預測模型預測穩定性較好、精度更高,對魚塘溶氧值預測具有一定的實際參攷價值.
용해양시수산양식중수질적중요지표,침대어당용해양량적예측진행연구,가위과학관리어당제공중요적이론의거.어당용해양량수다충인소영향,삼수지간작용궤리복잡,목전상용적BP신경망락산법능유효지해결비선성영사문제,단시대우고유수입변량시,회사망락훈련복잡화,용역함입국부최우화문제,난이득도전국우화해.위료해결상술문제,제출일충장주성분분석방법화BP신경망락상결합적용양치예측모형.이용주성분분석방법대수입양본진행강유,소제인자간상호영향,진이건립BP신경망락모형진행예측,병여기본BP신경망락모형진행비교.방진결과표명,채용기우주성분분석방법적BP신경망락예측모형예측은정성교호、정도경고,대어당용양치예측구유일정적실제삼고개치.
