基于模糊神经网络的水产养殖及运输环境预警研究

发布时间：2020-12-11 23:51

　　随着水产养殖业的发展,水产养殖产量逐年增加,水产养殖业信息化程度逐年提高。水产养殖业迅速发展的同时也面临着一系列亟需解决的问题,如水产养殖造成的水体污染、管理者对养殖水质调控滞后、水产品运输环境监测技术不完善等,造成的经济损失不容忽视。因此,根据养殖需要,探索适用于水产养殖业的环境预测模型,搭建满足实际需求的养殖及运输环境预警系统,对水产养殖业的可持续发展有着重要的理论和现实意义。结合水产养殖及运输环境涉及参数的具体特性,在现有关于水产养殖水质参数预测的研究基础上,分析对比国内外相关领域研究现状,总结出现阶段关于水产养殖及运输环境预警研究存在的问题。发现虽然预测种类方法多种多样,但是大部分研究只停留在环境参数预测的理论研究、仿真模拟阶段,并未建立具体的、适用于水产养殖及运输环境的预警系统,实用价值低,不能满足实际应用。针对现阶段水产养殖及运输环境预警研究存在的问题,结合“基于物联网技术的水产品溯源与安全预警平台建设及应用示范”项目需求,在已有研究基础之上,发展以人工神经网络为主要技术手段的水产养殖及运输环境参数预测模型。在人工神经网络的基础上加入模糊理论,建立基于模糊神经网络的水产养殖... 

【文章来源】：上海海洋大学上海市

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

模糊神经网络结构

9图 2-2 T-S 模糊神经网络结构图Fig 2-2 T-S fuzzy neural network structure如图 2-2 所示 T-S 模糊神经网络的前件网络结构与模糊神经网络基本一致，各层功能如 2.2.1 章节所述。后件网络由 r 个相同结构的子网组成，每个子网对应一个输出，共分为 3 层，每层功能如下：（1）输入层输入层将输入变量输入中间层，输入层第 1 个输入为常数向量 1，作为模糊

图 2-3 NARX 网络模型Fig.2-3 Model of NARX neural network设 I(t)、O(t)分别为网络在 t 时刻的外部输入和输出，M 为输入数馈时延的阶数，则对于网络 t 时刻的输入 I(t)={I1,I2,...,IM}，对(t)={O(t-1),O(t-2),...,O(t-D)}，隐层第 j 个神经元的输出 Hj 为(I)1 1jMiDljjiijllH f w wC b 中 f 为隐层节点的激励函数，Ii为第 i 个输入的值，wji是 i 个层神经元之间的连接权值，bj 是第 j 个隐层神经元的阈值。网 SjojjoOwHb1中 S 是隐层神经元的个数，ojw 为第 j 个隐含神经元与输出神值,ob 为输出神经元的阈值。


本文编号：2911452