本文關鍵詞：養(yǎng)殖水質數(shù)據(jù)處理與預測技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：雖然我國是世界第一水產養(yǎng)殖大國,但是我國在水產養(yǎng)殖水質分析方面的研究還比較少,相關的技術也比較落后。傳統(tǒng)的養(yǎng)殖過程中對水質的分析由于準確度和時效性太差很難應用于實際生產。由于從理論上來說人工神經(jīng)網(wǎng)絡能夠實現(xiàn)任意非線性映射,并且有著較好的自學習能力,而水產養(yǎng)殖環(huán)境正好是一個多變量、非線性的系統(tǒng),因此可以把人工神經(jīng)網(wǎng)絡應用于對水產養(yǎng)殖中的水質的預測。實際生產中應用最為廣泛的人工神經(jīng)網(wǎng)絡是BP神經(jīng)網(wǎng)絡,但是BP神經(jīng)網(wǎng)絡自身也存在的一定缺點和局限性,而思維進化算法能在一定程度上起到彌補優(yōu)化的作用。為此,本論文針對水產養(yǎng)殖中的水質因子溶解氧,研究了基于思維進化算法優(yōu)化BP神經(jīng)網(wǎng)絡的水產養(yǎng)殖水質建模預測方法,借鑒現(xiàn)有的一些的研究成果,本文主要做的工作有以下幾個方面：第一,對采集到的水產養(yǎng)殖水質數(shù)據(jù)進行預處理。在實際水質監(jiān)測過程中,由于環(huán)境、人為干擾和儀器測量誤差等因素,實際采集到的數(shù)據(jù)會有數(shù)據(jù)缺失和異常,本文運用線性插值法和對相似的數(shù)據(jù)進行水平和垂直處理均值法進行數(shù)據(jù)修復。第二,分析了BP神經(jīng)網(wǎng)絡和思維進化算法各自的特點,針對BP神經(jīng)網(wǎng)絡在實際應用中學習速度慢且容易陷入局部最優(yōu)等缺點,利用思維進化算法較強的全局搜索特點對BP神經(jīng)網(wǎng)絡進行了優(yōu)化。BP神經(jīng)網(wǎng)絡初始權值和閾值由原先的隨機給定變?yōu)橄扔伤季S進化算法進行全局搜索,然后再把搜索到的最優(yōu)解賦給BP神經(jīng)網(wǎng)絡,這樣就能使得BP神經(jīng)網(wǎng)絡從一開始就能從較優(yōu)解的附近運行算法,使得BP神經(jīng)網(wǎng)絡能夠較快的找到最優(yōu)解。第三,把從廣西欽州茅尾海海域的水產養(yǎng)殖基地采集到的部分水質數(shù)據(jù)作為訓練樣,剩余數(shù)據(jù)作為測試樣本,分別運用BP神經(jīng)網(wǎng)絡水質預測模型和經(jīng)過思維進化算法優(yōu)化后的BP神經(jīng)網(wǎng)絡模型對水質因子溶解氧進行了仿真預測,并對兩種模型的預測結果進行了比較分析。結果表明,運用思維進化算法對BP神經(jīng)網(wǎng)絡進行優(yōu)化后,BP神經(jīng)網(wǎng)絡收斂速度慢和容易陷入局部極小值等缺點得到了有效的解決,并且將其運用于水產養(yǎng)殖中水質的預測也達到了良好的預測效果。
【關鍵詞】：水產養(yǎng)殖 水質預測 思維進化算法 BP神經(jīng)網(wǎng)絡
【學位授予單位】：太原科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S959;TP274
【目錄】：

• 中文摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-13
• 1.1 研究背景及意義9-10
• 1.2 國內外相關領域的研究現(xiàn)狀10-11
• 1.3 研究的主要內容和論文組織結構11-13
• 第二章 異常數(shù)據(jù)處理13-17
• 2.1 缺失數(shù)據(jù)處理13
• 2.2 異常值檢驗與處理13-16
• 2.3 本章小節(jié)16-17
• 第三章 基于BP神經(jīng)網(wǎng)絡的水質預測17-33
• 3.1 人工神經(jīng)網(wǎng)絡介紹17-20
• 3.1.1 人工神經(jīng)網(wǎng)絡的發(fā)展18-19
• 3.1.2 人工神經(jīng)網(wǎng)絡的特點19-20
• 3.2 BP神經(jīng)網(wǎng)絡20-27
• 3.2.1 BP神經(jīng)網(wǎng)絡特點20-22
• 3.2.2 BP神經(jīng)網(wǎng)絡的學習算法22-27
• 3.3 基于BP神經(jīng)網(wǎng)絡的水質預測模型實現(xiàn)27-32
• 3.3.1 輸入?yún)?shù)選擇27-28
• 3.3.2 水質數(shù)據(jù)預處理28-29
• 3.3.3 基于BP神經(jīng)網(wǎng)絡的水質預測模型仿真29-32
• 3.4 結果分析32
• 3.5 本章小結32-33
• 第四章 基于MEC-BP神經(jīng)網(wǎng)絡的水質預測33-48
• 4.1 進化算法概述33-36
• 4.1.1 進化算法介紹33-35
• 4.1.2 進化算法的發(fā)展歷程35-36
• 4.2 思維進化算法概述36-41
• 4.2.1 思維進化算法介紹37
• 4.2.2 MEC的系統(tǒng)結構和基本知識37-41
• 4.2.3 思維進化算法的特點41
• 4.3 思維進化算法與BP神經(jīng)網(wǎng)絡結合的可行性與實現(xiàn)步驟41-43
• 4.4 改進的BP神經(jīng)網(wǎng)絡算法在水產養(yǎng)殖水質預測中的應用43-45
• 4.5 兩種仿真結果對比分析45-47
• 4.6 本章小結47-48
• 第五章 總結與展望48-50
• 5.1 全文總結48-49
• 5.2 展望49-50
• 參考文獻50-54
• 致謝54-55
• 攻讀學位期間發(fā)表的學術論文目錄55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 董廣強,韓繼光,邢艷芳;神經(jīng)網(wǎng)絡在曲線圖中的應用[J];農機化研究;2003年01期

2 馮芙葉,趙高長,張Oz舉;梯度神經(jīng)網(wǎng)絡的H-穩(wěn)定性[J];西北農林科技大學學報(自然科學版);2003年01期

3 朱玲;裴洪平;陳榮;;灰色RBF網(wǎng)絡在西湖葉綠素a預測中的應用[J];農機化研究;2008年01期

4 師春祥;王晶;張文靜;段慶;;蟻群神經(jīng)網(wǎng)絡用于農村電力短期負荷預測[J];農機化研究;2008年10期

5 姚吟秋;;淺談神經(jīng)網(wǎng)絡在生物工程中的應用[J];貴州農機化;2011年01期

6 黃星奕,吳守一,方如明;用神經(jīng)網(wǎng)絡方法進行大米留胚率自動檢測的研究[J];農業(yè)工程學報;1999年04期

7 馮旭東,陳方;神經(jīng)網(wǎng)絡在病蟲害診斷中的應用[J];電腦開發(fā)與應用;1999年01期

8 劉素青,周暢,杜盛珍;基于遺傳算法的神經(jīng)網(wǎng)絡木材消耗量預測模型研究[J];林業(yè)科學;2001年03期

9 郝志華,馬孝江;多分量神經(jīng)網(wǎng)絡自回歸模型及其工程應用[J];農業(yè)機械學報;2005年02期

10 劉繼龍;張振華;謝恒星;;果園土壤貯水量神經(jīng)網(wǎng)絡估算模型研究[J];農業(yè)系統(tǒng)科學與綜合研究;2007年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關鍵詞：養(yǎng)殖水質數(shù)據(jù)處理與預測技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：281082