基于神经网络模型的溶解氧水产质量数字检测系统

摘要

为优化水产检测传统方法精度低、鲁棒性差等问题,提出了基于主成分分析(PCA)、模糊神经网络(FNN)和差分进化算法结合BP算法(DEBP)的养殖水产溶解氧数字检测模型.论文模型运用主成分分析方法,提取养殖生态环境主要指标,降低模型输入向量维数,利用差分进化算法改进模糊神经网络的权值参数,以自动获取最优参数建立非线性养殖水产溶解氧数字检测模型.应用该模型对宿州市某水产质量养殖池2015年12月1日～12月8日在线监测的水产数据进行了检测分析,试验结果显示了该模型的实际应用有比较理想的效果,对比BP算法优化模糊神经网络(BP-FNN模型),PCA-FNN-DEBP模型有95.8％的测试样本绝对误差小于20％,最大误差为0.22 mg/L,且均优于BP-FNN检测方法.PCA-FNN-DEBP算法不仅计算速度快、检测精度高,还能够为水产质量养殖水产调控管理提供决策依据.