养殖水质数据处理与预测技术研究

发布时间：2017-04-01 18:17

  本文关键词：养殖水质数据处理与预测技术研究，，由笔耕文化传播整理发布。

【摘要】：虽然我国是世界第一水产养殖大国,但是我国在水产养殖水质分析方面的研究还比较少,相关的技术也比较落后。传统的养殖过程中对水质的分析由于准确度和时效性太差很难应用于实际生产。由于从理论上来说人工神经网络能够实现任意非线性映射,并且有着较好的自学习能力,而水产养殖环境正好是一个多变量、非线性的系统,因此可以把人工神经网络应用于对水产养殖中的水质的预测。实际生产中应用最为广泛的人工神经网络是BP神经网络,但是BP神经网络自身也存在的一定缺点和局限性,而思维进化算法能在一定程度上起到弥补优化的作用。为此,本论文针对水产养殖中的水质因子溶解氧,研究了基于思维进化算法优化BP神经网络的水产养殖水质建模预测方法,借鉴现有的一些的研究成果,本文主要做的工作有以下几个方面：第一,对采集到的水产养殖水质数据进行预处理。在实际水质监测过程中,由于环境、人为干扰和仪器测量误差等因素,实际采集到的数据会有数据缺失和异常,本文运用线性插值法和对相似的数据进行水平和垂直处理均值法进行数据修复。第二,分析了BP神经网络和思维进化算法各自的特点,针对BP神经网络在实际应用中学习速度慢且容易陷入局部最优等缺点,利用思维进化算法较强的全局搜索特点对BP神经网络进行了优化。BP神经网络初始权值和阈值由原先的随机给定变为先由思维进化算法进行全局搜索,然后再把搜索到的最优解赋给BP神经网络,这样就能使得BP神经网络从一开始就能从较优解的附近运行算法,使得BP神经网络能够较快的找到最优解。第三,把从广西钦州茅尾海海域的水产养殖基地采集到的部分水质数据作为训练样,剩余数据作为测试样本,分别运用BP神经网络水质预测模型和经过思维进化算法优化后的BP神经网络模型对水质因子溶解氧进行了仿真预测,并对两种模型的预测结果进行了比较分析。结果表明,运用思维进化算法对BP神经网络进行优化后,BP神经网络收敛速度慢和容易陷入局部极小值等缺点得到了有效的解决,并且将其运用于水产养殖中水质的预测也达到了良好的预测效果。
【关键词】：水产养殖 水质预测 思维进化算法 BP神经网络
【学位授予单位】：太原科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S959;TP274
【目录】：

• 中文摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-13
• 1.1 研究背景及意义9-10
• 1.2 国内外相关领域的研究现状10-11
• 1.3 研究的主要内容和论文组织结构11-13
• 第二章 异常数据处理13-17
• 2.1 缺失数据处理13
• 2.2 异常值检验与处理13-16
• 2.3 本章小节16-17
• 第三章 基于BP神经网络的水质预测17-33
• 3.1 人工神经网络介绍17-20
• 3.1.1 人工神经网络的发展18-19
• 3.1.2 人工神经网络的特点19-20
• 3.2 BP神经网络20-27
• 3.2.1 BP神经网络特点20-22
• 3.2.2 BP神经网络的学习算法22-27
• 3.3 基于BP神经网络的水质预测模型实现27-32
• 3.3.1 输入参数选择27-28
• 3.3.2 水质数据预处理28-29
• 3.3.3 基于BP神经网络的水质预测模型仿真29-32
• 3.4 结果分析32
• 3.5 本章小结32-33
• 第四章 基于MEC-BP神经网络的水质预测33-48
• 4.1 进化算法概述33-36
• 4.1.1 进化算法介绍33-35
• 4.1.2 进化算法的发展历程35-36
• 4.2 思维进化算法概述36-41
• 4.2.1 思维进化算法介绍37
• 4.2.2 MEC的系统结构和基本知识37-41
• 4.2.3 思维进化算法的特点41
• 4.3 思维进化算法与BP神经网络结合的可行性与实现步骤41-43
• 4.4 改进的BP神经网络算法在水产养殖水质预测中的应用43-45
• 4.5 两种仿真结果对比分析45-47
• 4.6 本章小结47-48
• 第五章 总结与展望48-50
• 5.1 全文总结48-49
• 5.2 展望49-50
• 参考文献50-54
• 致谢54-55
• 攻读学位期间发表的学术论文目录55

【相似文献】

中国期刊全文数据库 前10条

1 董广强,韩继光,邢艳芳;神经网络在曲线图中的应用[J];农机化研究;2003年01期

2 冯芙叶,赵高长,张Oz举;梯度神经网络的H-稳定性[J];西北农林科技大学学报(自然科学版);2003年01期

3 朱玲;裴洪平;陈荣;;灰色RBF网络在西湖叶绿素a预测中的应用[J];农机化研究;2008年01期

4 师春祥;王晶;张文静;段庆;;蚁群神经网络用于农村电力短期负荷预测[J];农机化研究;2008年10期

5 姚吟秋;;浅谈神经网络在生物工程中的应用[J];贵州农机化;2011年01期

6 黄星奕,吴守一,方如明;用神经网络方法进行大米留胚率自动检测的研究[J];农业工程学报;1999年04期

7 冯旭东,陈方;神经网络在病虫害诊断中的应用[J];电脑开发与应用;1999年01期

8 刘素青,周畅,杜盛珍;基于遗传算法的神经网络木材消耗量预测模型研究[J];林业科学;2001年03期

9 郝志华,马孝江;多分量神经网络自回归模型及其工程应用[J];农业机械学报;2005年02期

10 刘继龙;张振华;谢恒星;;果园土壤贮水量神经网络估算模型研究[J];农业系统科学与综合研究;2007年01期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：养殖水质数据处理与预测技术研究，由笔耕文化传播整理发布。

本文编号：281082