采用主成分分析和BP神经网络算法预测池塘养鱼产量和换水量

发布时间：2023-04-26 05:53

　　产量和换水量分别是池塘养鱼经济效益和生态影响的重要衡量指标。为探讨影响常规鱼类养殖产量和换水量的主要因子,建立基于反向传播(BP)神经网络(ANN)算法的预测模型,通过调查获得51组关于混养草鱼(Ctenopharyngodon idellus)、鲫鱼(Carassius auratus)、鲤鱼(Cyprinus carpio)池塘的完整管理信息。经主成分分析(PCA),草鱼放养密度、鲫鱼放养密度、鲫鱼放养规格、鲤鱼捕捞规格、鳙鱼(Aristichthys nobilis)捕捞规格、鲤鱼产量、塘租费、苗种费、饲料费、电费、调水费、病害防治费、人工费、水深及是否发生蓝藻等15个参数均被筛选入放养鱼类总产量和夏季换水量模型中。放养鱼类总产量模型中还筛选进鲫鱼产量、鳙鱼产量和增氧方式3个参数。夏季换水量模型中还筛选进鲤鱼放养密度和鲢(Hypophthalmichthys molitrix)、鳙放养时间2个参数。随机选取45组数据采用BP-ANN算法建模并预测另外6组数据。结果显示,放养鱼类总产量模型相对误差(RE)最大为8.40%,绝对误差(AE)最大为2.53 t/hm²

【文章页数】：7 页

【文章目录】：
1 材料和方法
    1.1 数据来源
    1.2 主成分筛选关键参数
    1.3 BP-ANN模型的建立
    1.4 模型性能的检验
2 结果与分析
    2.1 主成分数据筛选
    2.2 放养鱼类总产量模型的RE、AE、MAE和MRE值
    2.3 夏季换水量模型的RE、AE和MAE值
    2.4 2种模型的R2和MSE值
3 结论与讨论



本文编号：3801880