文献类型：期刊文章

作　　者：高霞[1] 邸玉琦[2] 成艳君[3] 程倩倩[3] 袁明波[4] 曹丽英[2]

机构地区：[1]山东电子职业技术学院自动化工程系,山东济南250200 [2]吉林农业大学信息技术学院,吉林长春130118 [3]中国农业大学信息与电气工程学院,北京100083 [4]山东电子职业技术学院电子工程系,山东济南250200

出　　处：《江苏农业科学》

基　　金：山东省重点研发计划(编号:2015GGX101041;2017CXGC0201)

年　　份：2018

卷　　号：46

期　　号：11

起止页码：187-192

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：水产养殖环境因子相互作用关系复杂,且实时采集的数据冗余较多、数据缺失问题时常发生,基于实时数据的预处理方法选择在很大程度上决定了预测精度。因此,提出基于数据修复、特征选择和小波降噪相结合的预处理方法。首先利用线性插值法和均值平滑法修复数据;然后采用系统聚类法和主成分分析法进行特征选择,实现预测模型的输入数据降维;最后使用小波降噪技术处理关键影响因子。使用该方法对基于物联网采集的银鳕鱼养殖池塘氨态氮含量进行数据预处理,其信噪比(SNR)、均方根误差(RMSE)分别为25.888 6、0.044 8。结果表明,该方法满足数据的精度需要,可为水产养殖水质因子预测模型的构建提供良好的数据基础。

关 键 词：水产养殖 数据预处理 物联网 小波降噪 特征选择  预测模型  关键影响因子  银鳕鱼 信噪比  

分 类 号：S951.2]