水产养殖系统的水质预测预警的应用研究
发布时间：2021-04-30 22:30
我国农业产业结构长期以来都呈现多样化的发展趋势,涵盖种植业、林业、畜牧业、养殖业等多种农业结构,特别是在养殖业方面,缺乏专业的技术人才,而当前的水产养殖行业同样面临资源紧缺和环境恶化等问题。由于水产养殖精细化程度的提高以及养殖种类的增多,水产养殖的水质环境也在不断恶化,容易引发水产品质量安全问题,因此提前对水产养殖水质状况的预测预警,已成为我国水产养殖业亟待解决的问题。对水产养殖系统的水质变化进行预测预警,使决策者能够提前知晓水质变化并采取措施改善水质,要对水质因子进行预测预警,首先就需要了解水质参数的标准并且分析历史数据给出预测值。近年来,随着越来越多的水质评价体系的建立,水质预测预警技术也日益完善,慢慢地成为水产养殖系统以及其他学科的研究热点。本文选取了大连市某水产养殖公司的几种水产养殖系统中常见的水质参数,利用回归分析法、时序分析法以及神经网络方法分别对这些水质参数进行预测,对比这几种方法的预测效果并分析造成这些差异的原因。研究结果表明:回归分析法和神经网络的平均预测误差较低,取得了很好的预测预警效果,时间序列分析法因其简单易行的特点,被广泛用于单水质因子状态预测预警;回归分析法...
【文章来源】：大连海洋大学辽宁省
【文章页数】：40 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究目的及意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究内容
第二章 水产养殖的水质参数条件
2.1 水质恶化对养殖生物的影响
2.2 水质恶化对人体健康的影响
2.3 影响水产养殖的水质因子
2.3.1 DO
2.3.2 pH值
2.3.3 氨氮含量
2.3.4 亚硝酸盐
2.4 水产养殖的水质标准
第三章 预测的相关理论
3.1 常用预测方法
3.2 回归分析法
3.3 时序分析法
3.4 神经网络方法
3.5 几种预测方法分析
第四章 水质预测预警结果及其分析
4.1 数据样本
4.2 数据挖掘工具
4.3 回归算法预测
4.4 时序算法预测
4.5 神经网络算法预测
4.6 预测结果比较
4.7 水质预警模型的建立
4.8 水质预警模型的验证
4.9 预警结果比较
第五章 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于IGA-BP网络的水质预测方法[J]. 张旭东,高茂庭. 环境工程学报. 2016(03)
[2]基于MEC-BP神经网络在水产养殖水质预测中的应用[J]. 杨争光,范良忠. 计算机与现代化. 2015(06)
[3]未确知测度BP神经网络模型在黑河流域水质预测中的应用[J]. 李慧,周轶成. 水文. 2014(03)
[4]基于人工神经网络的泾河陕西段氮组分模拟[J]. 王菊翠,陈书中,仵彦卿,胡安焱. 人民黄河. 2014(05)
[5]基于神经网络的水产养殖水质预测模型研究[J]. 袁琦,黄建清,符新,翁绍捷. 湖北农业科学. 2013(01)
[6]证据理论融合蚁群神经网络的水质预测方法[J]. 熊伟,程加堂,徐绍坤. 人民黄河. 2012(05)
[7]基于遗传算法与RBF网络的养殖池塘溶解氧模型[J]. 马从国,赵德安. 中国农村水利水电. 2011(02)
[8]Bp神经网络的Matlab实现[J]. 石云. 湘南学院学报. 2010(05)
[9]BP神经网络预测的MATLAB实现[J]. 焦淑华,夏冰,徐海静,刘莹. 哈尔滨金融高等专科学校学报. 2009(01)
[10]基于优化BP网络的工厂化水产养殖水质预测模型的实现[J]. 高艳萍,于红,崔新忠. 大连水产学院学报. 2008(03)
博士论文
[1]基于机器学习的池塘养殖水质关键因子预测方法研究[D]. 于辉辉.中国农业大学 2018
[2]基于计算智能的水产养殖水质预测预警方法研究[D]. 刘双印.中国农业大学 2014
硕士论文
[1]智能水产养殖系统的预测预警技术研究[D]. 宋剑文.海南大学 2018
[2]基于神经网络水质预测模型[D]. 雷腾.海南大学 2015
[3]基于GA-BP池塘水温预测预警系统研究[D]. 高亮亮.山东农业大学 2015
[4]改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D]. 胡婷.昆明理工大学 2015
[5]基于人工神经网络的水质预测及MATLAB实现[D]. 梁楠.长安大学 2007
本文编号：3169603
【文章来源】：大连海洋大学辽宁省
【文章页数】：40 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究目的及意义
1.2 国内外研究现状
1.2.1 国内研究现状
1.2.2 国外研究现状
1.3 研究内容
第二章 水产养殖的水质参数条件
2.1 水质恶化对养殖生物的影响
2.2 水质恶化对人体健康的影响
2.3 影响水产养殖的水质因子
2.3.1 DO
2.3.2 pH值
2.3.3 氨氮含量
2.3.4 亚硝酸盐
2.4 水产养殖的水质标准
第三章 预测的相关理论
3.1 常用预测方法
3.2 回归分析法
3.3 时序分析法
3.4 神经网络方法
3.5 几种预测方法分析
第四章 水质预测预警结果及其分析
4.1 数据样本
4.2 数据挖掘工具
4.3 回归算法预测
4.4 时序算法预测
4.5 神经网络算法预测
4.6 预测结果比较
4.7 水质预警模型的建立
4.8 水质预警模型的验证
4.9 预警结果比较
第五章 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于IGA-BP网络的水质预测方法[J]. 张旭东,高茂庭. 环境工程学报. 2016(03)
[2]基于MEC-BP神经网络在水产养殖水质预测中的应用[J]. 杨争光,范良忠. 计算机与现代化. 2015(06)
[3]未确知测度BP神经网络模型在黑河流域水质预测中的应用[J]. 李慧,周轶成. 水文. 2014(03)
[4]基于人工神经网络的泾河陕西段氮组分模拟[J]. 王菊翠,陈书中,仵彦卿,胡安焱. 人民黄河. 2014(05)
[5]基于神经网络的水产养殖水质预测模型研究[J]. 袁琦,黄建清,符新,翁绍捷. 湖北农业科学. 2013(01)
[6]证据理论融合蚁群神经网络的水质预测方法[J]. 熊伟,程加堂,徐绍坤. 人民黄河. 2012(05)
[7]基于遗传算法与RBF网络的养殖池塘溶解氧模型[J]. 马从国,赵德安. 中国农村水利水电. 2011(02)
[8]Bp神经网络的Matlab实现[J]. 石云. 湘南学院学报. 2010(05)
[9]BP神经网络预测的MATLAB实现[J]. 焦淑华,夏冰,徐海静,刘莹. 哈尔滨金融高等专科学校学报. 2009(01)
[10]基于优化BP网络的工厂化水产养殖水质预测模型的实现[J]. 高艳萍,于红,崔新忠. 大连水产学院学报. 2008(03)
博士论文
[1]基于机器学习的池塘养殖水质关键因子预测方法研究[D]. 于辉辉.中国农业大学 2018
[2]基于计算智能的水产养殖水质预测预警方法研究[D]. 刘双印.中国农业大学 2014
硕士论文
[1]智能水产养殖系统的预测预警技术研究[D]. 宋剑文.海南大学 2018
[2]基于神经网络水质预测模型[D]. 雷腾.海南大学 2015
[3]基于GA-BP池塘水温预测预警系统研究[D]. 高亮亮.山东农业大学 2015
[4]改进QGA-BP模型及其在弥苴河总氮量预测中的应用[D]. 胡婷.昆明理工大学 2015
[5]基于人工神经网络的水质预测及MATLAB实现[D]. 梁楠.长安大学 2007
本文编号：3169603
本文链接：https://www.wllwen.com/nykjlw/scyylw/3169603.html
