基于遗传算法与RBF网络的养殖池塘溶解氧模型

摘要

在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型。常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快。采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入。实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高。该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础。