基于粒子群优化BP神经网络的水产养殖水温及pH预测模型

徐大明， 周 超， 孙传恒， 杜永贵

(1 国家农业信息化工程技术研究中心，农业部农业信息技术重点实验室，北京市农业物联网工程技术研究中心，北京 100000;2 太原理工大学信息工程学院，山西 太原 030000)



基于粒子群优化BP神经网络的水产养殖水温及pH预测模型

徐大明1,2， 周 超1， 孙传恒1， 杜永贵2

(1 国家农业信息化工程技术研究中心，农业部农业信息技术重点实验室，北京市农业物联网工程技术研究中心，北京 100000;2 太原理工大学信息工程学院，山西 太原 030000)

针对养殖水质、水温及pH预测准确性低的问题，提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值，然后对得到的数据进行预处理，修复异常数据信息，再以当前时间的多个水质参数作为输入，下个时间点的水温、pH作为输出，建立养殖水质预测模型，最后利用采集的水质数据在BP神经网络中进行训练，并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比，基于粒子群优化的BP神经网络在预测水温方面，均方根误差(RMSE)下降幅度分别为64.4%和86.7%；在预测pH方面，RMSE下降幅度分别为11.1%和78.9%。研究表明，基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点，同时具有很好的预测能力。

粒子群算法；BP神经网络；水产养殖；渔情预警；水质预测模型

随着物联网的发展，信息技术以其直观、快速、准确的特点，在水产养殖方面应用越来越广泛。……