基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测
2016-03-21徐龙琴李乾川刘双印李道亮广东海洋大学信息学院湛江5405加州大学洛杉矶分校文理学院洛杉矶9004中国农业大学北京市农业物联网工程技术研究中心北京0008
徐龙琴,李乾川,刘双印※,李道亮(.广东海洋大学信息学院,湛江 5405; .加州大学洛杉矶分校文理学院,洛杉矶 9004;.中国农业大学北京市农业物联网工程技术研究中心,北京 0008)
基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测
徐龙琴1,李乾川2,刘双印1※,李道亮3
(1.广东海洋大学信息学院,湛江 524025;2.加州大学洛杉矶分校文理学院,洛杉矶 90024;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 100083)
摘要:针对单一预测模型预测养殖pH值精度低等问题,提出集合经验模态分解(ensemble empirical mode decomposition,EEMD)和改进人工蜂群算法(improve artificial bee colony,IABC)相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中,利用EEMD算法对原始pH值时间序列进行多尺度分解,得到一组平稳、互不耦合的子序列;根据各子序列变化特征选择适宜的单项预测方法并建模,通过改进人工蜂群(IABC)算法优化复杂非线性组合预测模型目标函数权重系数,构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日-2014年9月15日期间工厂化养殖pH值进行预测,结果表明,该预测模型取得了较好的预测效果,与模拟退火优化BP神经网络(simulated Annealing-BP neural network,SA-BPNN)和遗传算法优化最小二乘支持向量回归机(genetic algorithm-least square support vector regression,GA-LSSVR)对比分析,模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923,均表明该文提出的组合预测模型具有更高预测精度,能够满足实际南美白对虾工厂化养殖pH值精细化管理需要,也为其他领域pH值预测提供参考。……
