基于神经网络和遗传算法的池塘溶解氧预测模型

缪新颖,葛廷友,高辉,王建彬

(1.大连海洋大学信息工程学院,辽宁大连116023;2.大连海洋大学职业技术学院,辽宁大连116300; 3.大连海洋大学理学院,辽宁大连116023)

基于神经网络和遗传算法的池塘溶解氧预测模型

缪新颖1,葛廷友2,高辉3,王建彬1

(1.大连海洋大学信息工程学院,辽宁大连116023;2.大连海洋大学职业技术学院,辽宁大连116300; 3.大连海洋大学理学院,辽宁大连116023)

水产养殖池塘是一个多变量、非线性和大时延系统,其中溶解氧的预测也是一个复杂的问题。针对大连某水产养殖池塘,作者建立了一个基于Levenberg–Marquardt(LM)神经网络和遗传算法(GA)的溶解氧预测模型GA-LM,并将该模型与传统的BP神经网络进行比较分析。结果表明:使用本研究中建立的GA-LM模型预测的溶解氧值和实际测定值吻合较好,预测更为精准,运行时间明显减少。

溶解氧;Levenberg–marquardt算法;遗传算法;预测模型

水质测定是一个包括多种物理、化学和生物参数的复杂过程[1]。其中,池塘溶解氧作为养殖水域必控的水环境因子越来越受到重视。因此,及时掌握池塘水域溶解氧的动态变化规律,在缺氧之前进行池塘溶解氧的事前预测是水产养殖生产中迫切需要解决的问题。

池塘溶解氧预测是一个非线性的复杂过程,利用统计的方法很难保证预测精度[2]。而神经网络(Neural network,NN)因为其无需输入变量与输出变量间复杂的相关假设,成为模拟和解决非线性问题的理想工具之一,并开始应用于溶解氧预测[3-6]。但是,采用传统的BP神经网络常常导致训练时间较长且易陷入局部极小点。……