2 0 1 4 年 5 月农业机械学报第 4 5 卷第 5 期 d o i : 1 0 . 6 0 4 1 / j . i s s n . 1 0 0 0 1 2 9 8 . 2 0 1 4 . 0 5 . 0 3 7 基于 P C A M C A F A L S S V M 的养殖水质 p H 值预测模型刘双印 1 , 2 徐龙琴 1 李振波 2 , 3 李道亮 3 , 4 ( 1 . 广东海洋大学信息学院, 湛江 5 2 4 0 2 5 ; 2 . 中国农业大学农业部农业信息获取技术重点实验室, 北京 1 0 0 0 8 3 ; 3 . 中国农业大学北京市农业物联网工程技术研究中心, 北京 1 0 0 0 8 3 ; 4 . 中国农业大学先进农业传感技术北京市工程研究中心, 北京 1 0 0 0 8 3 ) 摘要: 为解决水质预测传统方法精度低、鲁棒性差等问题, 提出了基于主成分分析( P C A ) 、改进文化鱼群算法( M C A F A ) 和最小二乘支持向量机( P C A M C A F A L S S V M ) 的养殖水质 p H 值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分, 降低模型输入向量维数, 利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化, 以自动获取最优超参数建立非线性养殖水质 p H 值预测模型。应用该模型对宜兴市河蟹养殖某池塘 2 0 1 1 年 9 月 1 日~ 9 月 4 日在线监测的水质数据进行了预测分析, 试验结果表明: 该模型取得较好的预测效果, 与分别用蚁群算法或遗传算法优化 L S S V M 的方法相比, P C A M C A F A L S S V M 模型有 9 3 0 5 % 的测试样本绝对误差小于 8 % , 最大绝对误差仅为 1 1 6 1 % , 均方根误差、平均相对误差绝对值和运行时间分别为 0 0 4 7 4 、 0 0 0 4 1 和 4 3 6 7 s , 且均优于其他预测方法。 P C A M C A F A L S S V M 算法不仅计算速度快、预测精度高, 还能够为河蟹养殖水质调控管理提供决策依据。关键词: 养殖水质 p H 值预测文化鱼群算法最小二乘支持向量机参数优化主成分分析中图分类号: T P 3 9 1 文献标识码: A 文章编号: 1 0 0 0 1 2 9 8 ( 2 0 1 4 ) 0 5 0 2 3 9 0 8 收稿日期: 2 0 1 3 0 6 2 4 修回日期: 2 0 1 3 0 7 1 7 “十二五”国家科技支撑计划资助项目( 2 0 1 1 B A D 2 1 B 0 1 ) 、广东省科技计划资助项目( 2 0 1 2 A 0 2 0 2 0 0 0 0 8 、 2 0 1 1 B 0 4 0 2 0 0 0 3 4 、 2 0 1 2 B 0 9 1 1 0 0 4 3 1 ) 、广东省自然科学基金资助项目( S 2 0 1 3 0 1 0 0 1 4 6 2 9 、 S 2 0 1 2 0 1 0 0 0 8 2 6 1 ) 、广东省省部产学研结合专项资金资助项目( 2 0 1 2 B 0 9 0 5 0 0 0 0 8 ) 和宁波市农业重点科技攻关资助项目( 2 0 1 1
