文献类型：期刊文章

作　　者：徐龙琴[1] 刘双印[1,2,3,4]

机构地区：[1]广东海洋大学信息学院,广东湛江524088 [2]中国农业大学中欧农业信息技术研究中心,北京100083 [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 [4]中国农业大学先进农业传感技术北京市工程研究中心,北京100083

出　　处：《山东大学学报（工学版）》

基　　金："十二五"国家科技支撑计划资助项目(2011BAD21B01);国家自然科学基金资助项目(61100115;61101211);广东省科技计划资助项目(2012A020200008);湛江市科技计划资助项目(2010C3113011)

年　　份：2012

卷　　号：42

期　　号：5

起止页码：80-86

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、IC、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为解决传统预测方法和标准最小二乘支持向量回归机(least squares support vector regression,LSSVR)在水质预测中存在预测精度低、鲁棒性差等问题,提出了自适应粒子群优化加权最小二乘支持向量回归机(adaptiveparticle swarm optimization weighted least squares support vector regression,APSO-WLSSVR)的水质预测模型。根据样本对模型重要性不同为各样本赋予不同权重,建立了加权最小二乘支持向量回归机(weighted least squaressupport vector regression,WLSSVR),实现对样本数据"重近轻远"的优化选择,避免标准LSSVR算法因没有考虑样本重要性差异致使预测精度低的问题;采用自适应粒子群优化算法对模型参数组合进行优化选择,克服了标准LSSVR算法因试凑法获取参数的盲目性和人为因素的影响。为验证该模型的性能,对江苏省宜兴市集约化河蟹养殖水质进行预测,并与其他预测方法对比分析,结果表明该模型预测精度明显提高,还具有较好的鲁棒性和泛化能力,能够满足集约化水产养殖水质管理的实际需要。

关 键 词：加权最小二乘支持向量回归机  自适应粒子群优化算法 水质预测 参数优化 集约化水产养殖

分 类 号：TP309]