姚启,缪新颖, 2*

(1.大连海洋大学 信息工程学院，辽宁 大连 116023; 2.辽宁省海洋信息技术重点实验室，辽宁 大连116023)

水产养殖是一个包括多参数的复杂过程[1]。其中，溶解氧(dissolved oxygen，DO)和氨氮含量是决定水产养殖产量的重要因素[2-3]，DO过高或过低都会导致养殖生物死亡[4]，氨氮直接反映养殖水质的污染程度，过高直接影响养殖生物的生存状态。因此,在水产养殖环境中对二者进行预测，对水产养殖业具有重要的意义。

DO和氨氮含量的预测均为非线性问题[5]，二者受多种因素影响，且各因素之间存在复杂的耦合关系[6]，因此,难以利用统计的方法建立准确的预测模型，故而以神经网络和支持向量机(support vector machine，SVM)为代表的非线性问题解决工具，被研究者应用于DO和氨氮预测[7-11]。但是，SVM和误差反向传播神经网络(back propagation neural network，BPNN)具有极大的局限性[7-8]，易引入冗余数据，且针对复杂问题的泛化能力受到一定的制约[12]。神经网络的结构很多都是通过试凑法来实现[4,13]，导致运行费时。另外，DO和氨氮影响因素复杂，且相互之间存在很大的耦合性，很难确定神经网络的最佳输入，若将相关的影响因素全部直接引用，不仅会引入大量冗余数据，而且会由于多重共线性降低网络的训练速度和效率，影响预测精度[14]。

Levenberg-Marquardt(LM)神经网络算法利用高斯-牛顿法可以在最优值附近产生一个理想的搜索方向,从而保持较快下降速度的特点，使网络能够有效收敛，可以大大提高网络的收敛速度和泛化能力[5]。遗传算法(genetic algorithm，GA)是一种模拟自然进化、搜索最优解的方法，适合用来优化神经网络的结构[5]。……