基于径向基函数(RBF)神经网络的红鳍东方鲀体质量预测

摘要

为解决基于表型性状预测红鳍东方鲍体质量时,由于不同表型性状间的自相关、部分性状和体质量之间的非线性关系以及线性回归方法自变量间的共线性,导致根据表型性状预测 体质量误差过大的问题,本研究根据人工神经网络(artificial neural networks,ANN)建模原理,采用径向基函数(radial basis function,RBF)神经网络模型,利用72个红鳍东方鲀样本的表型数据,通过最近邻聚类算法,构建了基于RBF神经网络的红鳍东方鲍体质量预测模型,并采用线性回归检验法对所构建模型的可信度进行检验.结果显示,基于RBF神经网络预测模型的确定系数R2为0.992,接近于1,而线性回归模型的确定系数为0.949,比线性回归预测模型的确定系数提高4.53％;此外,线性回归共线性检验显示,模型自变量间存在一定的共线性,性状体周长1和体高的自相关性较大.研究结果表明,通过RBF神经网络方法构建的预测模型,消除了线性回归分析中自变量的共线性问题,预测精度显著高于线性回归方法构建的预测模型,对红鳍东方鲀体质量的预测效果优于线性回归模型.基于RBF神经网络体质量预测模型的构建,为利用表型性状精确评估红鳍东方鲀的体质量提供了一种新的方法.