基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测

针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解（ensemble empirical mode decomposition,EEMD）和改进人工蜂群算法（improve artificial bee colony,IABC）相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群（IABC）算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 32; no. 3; pp. 202 - 209
Main Author 徐龙琴 李乾川 刘双印 李道亮
Format Journal Article
LanguageChinese
Published 广东海洋大学信息学院,湛江,524025%加州大学洛杉矶分校文理学院，洛杉矶 90024%中国农业大学北京市农业物联网工程技术研究中心,北京,100083 2016
Subjects
pH值
人工蜂群算法
南美白对虾
水产养殖
算法
组合预测
集合经验模态分解
algorithms
pH值
组合预测
集合经验模态分解
Litopenaeus Vannamei
南美白对虾
ensemble empirical mode decomposition
水产养殖
算法
aquaculture
artificial bee colony
人工蜂群算法
pH
combination prediction
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2016.03.029

Cover

More Information
Summary:针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解（ensemble empirical mode decomposition,EEMD）和改进人工蜂群算法（improve artificial bee colony,IABC）相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群（IABC）算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络（simulated Annealing-BP neural network,SA-BPNN）和遗传算法优化最小二乘支持向量回归机（genetic algorithm-least square support vector regression,GA-LSSVR）对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。
Bibliography:11-2047/S
algorithms; pH; aquaculture; combination prediction; ensemble empirical mode decomposition; artificial bee colony; Litopenaeus Vannamei
The pH value in industrialized cultivation ponds is crucial to the survival of Litopenaeus Vannamei. Grasping the trend of the pH value timely and accurately is the key for the high-density healthy Litopenaeus Vannamei culture. Therefore, in order to solve the low prediction accuracy of the single model in pH value prediction, this paper proposes a pH value combination forecasting model in Litopenaeus Vannamei industrialized cultivation based on ensemble empirical mode decomposition （EEMD） and improved artificial bee colony （IABC） algorithm. In the modeling process, the non-linear time sequences of the original pH value are de-noised and decomposed into a series of stable and uncoupling sequences by the EEMD. Based on the changed characteristics of each sequence, the appropriate forecasting method is selected and a new independent prediction model is established. The
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2016.03.029