隨著水產(chǎn)養(yǎng)殖業(yè)的發(fā)展,水產(chǎn)養(yǎng)殖產(chǎn)量逐年增加,水產(chǎn)養(yǎng)殖業(yè)信息化程度逐年提高。水產(chǎn)養(yǎng)殖業(yè)迅速發(fā)展的同時也面臨著一系列亟需解決的問題,如水產(chǎn)養(yǎng)殖造成的水體污染、管理者對養(yǎng)殖水質(zhì)調(diào)控滯后、水產(chǎn)品運輸環(huán)境監(jiān)測技術(shù)不完善等,造成的經(jīng)濟損失不容忽視。因此,根據(jù)養(yǎng)殖需要,探索適用于水產(chǎn)養(yǎng)殖業(yè)的環(huán)境預(yù)測模型,搭建滿足實際需求的養(yǎng)殖及運輸環(huán)境預(yù)警系統(tǒng),對水產(chǎn)養(yǎng)殖業(yè)的可持續(xù)發(fā)展有著重要的理論和現(xiàn)實意義。結(jié)合水產(chǎn)養(yǎng)殖及運輸環(huán)境涉及參數(shù)的具體特性,在現(xiàn)有關(guān)于水產(chǎn)養(yǎng)殖水質(zhì)參數(shù)預(yù)測的研究基礎(chǔ)上,分析對比國內(nèi)外相關(guān)領(lǐng)域研究現(xiàn)狀,總結(jié)出現(xiàn)階段關(guān)于水產(chǎn)養(yǎng)殖及運輸環(huán)境預(yù)警研究存在的問題。發(fā)現(xiàn)雖然預(yù)測種類方法多種多樣,但是大部分研究只停留在環(huán)境參數(shù)預(yù)測的理論研究、仿真模擬階段,并未建立具體的、適用于水產(chǎn)養(yǎng)殖及運輸環(huán)境的預(yù)警系統(tǒng),實用價值低,不能滿足實際應(yīng)用。針對現(xiàn)階段水產(chǎn)養(yǎng)殖及運輸環(huán)境預(yù)警研究存在的問題,結(jié)合“基于物聯(lián)網(wǎng)技術(shù)的水產(chǎn)品溯源與安全預(yù)警平臺建設(shè)及應(yīng)用示范”項目需求,在已有研究基礎(chǔ)之上,發(fā)展以人工神經(jīng)網(wǎng)絡(luò)為主要技術(shù)手段的水產(chǎn)養(yǎng)殖及運輸環(huán)境參數(shù)預(yù)測模型。在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上加入模糊理論,建立基于模糊神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖... 

【文章來源】：上海海洋大學(xué)上海市

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【部分圖文】：

模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

9圖 2-2 T-S 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig 2-2 T-S fuzzy neural network structure如圖 2-2 所示 T-S 模糊神經(jīng)網(wǎng)絡(luò)的前件網(wǎng)絡(luò)結(jié)構(gòu)與模糊神經(jīng)網(wǎng)絡(luò)基本一致，各層功能如 2.2.1 章節(jié)所述。后件網(wǎng)絡(luò)由 r 個相同結(jié)構(gòu)的子網(wǎng)組成，每個子網(wǎng)對應(yīng)一個輸出，共分為 3 層，每層功能如下：（1）輸入層輸入層將輸入變量輸入中間層，輸入層第 1 個輸入為常數(shù)向量 1，作為模糊

圖 2-3 NARX 網(wǎng)絡(luò)模型Fig.2-3 Model of NARX neural network設(shè) I(t)、O(t)分別為網(wǎng)絡(luò)在 t 時刻的外部輸入和輸出，M 為輸入數(shù)饋時延的階數(shù)，則對于網(wǎng)絡(luò) t 時刻的輸入 I(t)={I1,I2,...,IM}，對(t)={O(t-1),O(t-2),...,O(t-D)}，隱層第 j 個神經(jīng)元的輸出 Hj 為(I)1 1jMiDljjiijllH f w wC b 中 f 為隱層節(jié)點的激勵函數(shù)，Ii為第 i 個輸入的值，wji是 i 個層神經(jīng)元之間的連接權(quán)值，bj 是第 j 個隱層神經(jīng)元的閾值。網(wǎng) SjojjoOwHb1中 S 是隱層神經(jīng)元的個數(shù)，ojw 為第 j 個隱含神經(jīng)元與輸出神值,ob 為輸出神經(jīng)元的閾值。


本文編號：2911452