基于改进粒子群优化极限学习机的养殖氨态氮含量预测模型  

作　　者：徐大明[1,2,3,4] 杜永贵[1] 孙传恒[2,3,4] 周超[2,3,4] 

机构地区：[1]太原理工大学信息工程学院,山西太原030000 [2]国家农业信息化工程技术研究中心,北京100097 [3]农业部农业信息技术重点实验室,北京100097 [4]北京市农业物联网工程技术研究中心,北京100097

出　　处：《江苏农业科学》2017年第4期183-186,共4页Jiangsu Agricultural Sciences

基　　金：国家科技支撑计划(编号:2014BAD08B09-02);国家"863"计划(编号:2012AA101905-02);北京市自然科学基金(编号:6152009)

摘　　要：针对养殖水体氨态氮含量预测准确性低的问题,提出了一种基于改进粒子群算法优化极限学习机的水产养殖氨态氮含量预测模型。引入自适应变异算子改进粒子群算法的搜索性能,利用改进粒子群算法优化极限学习机的初始权值和阈值,最后训练极限学习机预测模型求得最优解。将该预测模型应用在小汤山水产品养殖系统进行有效性验证,通过试验发现,与PSO-ELM和普通BP神经网络相比,IPSO-ELM预测氨态氮含量模型有更高的精度和更好的拟合能力。结果表明,基于改进粒子群优化的极限学习机氨态氮含量预测模型简单易懂、预测精度高、易于实现,具有较好的预测性能。

关 键 词：氨态氮预测 粒子群算法 变异算子 极限学习机 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程] S934[自动化与计算机技术—控制科学与工程]