GRNN和Elman神经网络在水体溶解氧预测中的应用  

作　　者：施珮 袁永明 张红燕[1] 贺艳辉[1] 

机构地区：[1]中国水产科学研究院淡水渔业研究中心/农业部淡水渔业和种质资源利用重点实验室,江苏无锡214081

出　　处：《江苏农业科学》2017年第23期217-221,共5页Jiangsu Agricultural Sciences

基　　金：现代农业产业技术体系专项(编号:CARS-49);中央级公益性科研院所基本科研业务费专项资金(编号:2015JBFM22)

摘　　要：针对池塘溶解氧浓度受较多因素影响的复杂性,选择基于广义回归网络(general regression neural network,简称GRNN)、Elman神经网络和BP(back propagation)神经网络算法构建关于溶解氧的预测模型,并将模型应用于水产养殖池塘溶解氧的预测中,力求找到能够长期预测池塘溶解氧浓度的有效方法。研究结果表明,GRNN和Elman神经网络模型的拟合效果均比BPNN(back propagation neural network)的拟合效果好,且有较高的预测精度,平均相对误差绝对值分别为7.48%、11.03%。同时,GRNN和Elman网络模型的算法稳定,计算复杂性低,因此2个模型适合对溶解氧浓度进行预测,有一定的应用价值,可以为水产养殖管理提供依据。

关 键 词：溶解氧 GRNN神经网络 ELMAN神经网络 BP神经网络 水产养殖管理 

分 类 号：S126[农业科学—农业基础科学]