采用主成分分析和BP神经网络算法预测池塘养鱼产量和换水量

摘要：

产量和换水量分别是池塘养鱼经济效益和生态影响的重要衡量指标.为探讨影响常规鱼类养殖产量和换水量的主要因子,建立基于反向传播(BP)神经网络(ANN)算法的预测模型,通过调查获得51组关于混养草鱼(Ctenopharyngodon idellus)、鲫鱼(Carassius auratus)、鲤鱼(Cyprinus carpio)池塘的完整管理信息.经主成分分析(PCA),草鱼放养密度、鲫鱼放养密度、鲫鱼放养规格、鲤鱼捕捞规格、鳙鱼(Aristichthys nobilis)捕捞规格、鲤鱼产量、塘租费、苗种费、饲料费、电费、调水费、病害防治费、人工费、水深及是否发生蓝藻等15个参数均被筛选入放养鱼类总产量和夏季换水量模型中.放养鱼类总产量模型中还筛选进鲫鱼产量、鳙鱼产量和增氧方式3个参数.夏季换水量模型中还筛选进鲤鱼放养密度和鲢(Hypophthalmichthys molitrix)、鳙放养时间2个参数.随机选取45组数据采用BP-ANN算法建模并预测另外6组数据.结果显示,放养鱼类总产量模型相对误差(RE)最大为8.40％,绝对误差(AE)最大为2.53 t/hm2,平均相对误差(MRE)为5.81％,平均绝对误差(MAE)为1.51 t/hm2.夏季换水量模型AE值最大为19.10 cm,MAE值为13.36 cm.2种模型决定系数(R2)分别是0.9413、0.9965,均方误差(MSE)分别是0.0065和0.0633.总体拟合性能良好,表明BP-ANN是建立养鱼池塘经济效益和生态影响模型的有效手段.

关键词：BP神经网络、主成分分析、养鱼池塘、养鱼产量、换水量、经济效益、生态影响

所属期刊栏目：49

分类号：S964.3(水产养殖技术)

资助基金："十二五"农村领域国家科技计划课题 2015BAD13B00

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：174-180