[1]居锦武.基于LS-SVM的养殖水体氨氮含量分析预测模型[J].江苏农业科学,2017,45(02):210-212.
　Ju Jinwu.Forecasting model of ammonia nitrogen content analysis in aquaculture water body based on LS-SVM[J].Jiangsu Agricultural Sciences,2017,45(02):210-212.
点击复制

基于LS-SVM的养殖水体氨氮含量分析预测模型()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第45卷
期数:
2017年02期
页码:
210-212
栏目:
农业工程与信息技术
出版日期:
2017-01-20

文章信息/Info

Title:
Forecasting model of ammonia nitrogen content analysis in aquaculture water body based on LS-SVM
作者:
居锦武
四川理工学院计算机学院，四川自贡 643000
Author(s):
Ju Jinwu
关键词:
支持向量机; 水产养殖; 氨氮; 分析预测模型; 比色法; 光强
Keywords:
-
分类号:
TP391
DOI:
-
文献标志码:
A
摘要:
养殖水体的氨氮含量是水产养殖中的关键水质指标，是评价水体污染情况的基本测量项目。设计一种自动氨氮监测系统，自动抽取水样并定时测量，使用最小二乘支持向量机算法(LS-SVM)建立了分析预测模型，LS-SVM最小二乘支持向量机算法增强了泛化能力，减少了异常样本的预测偏差，提高了预测学习的精度。对基于神经网络模型、基于LS-SVM模型进行了仿真比较，结果显示LS-SVM模型具有更优良的分析预测效果。
Abstract:
-

参考文献/References:

［1］马淑勍，梁滨. 利用自动分析仪测定水中氨氮的方法研究［J］. 山东化工，2015(44)：62-64.
［2］俞继梅. 纳氏试剂测氨氮影响因素的分析和研究［J］. 江西化工，2013(4)：11-14.
［3］童敏明，张愉，齐美星. 基于BP神经网络的可燃混合气体分析方法的研究［J］. 计量学报，2006，27(2)：169-171.
［4］侯迪波，陈玥，赵海峰，等. 基于RBF神经网络和小波分析的水质异常检测方法［J］. 传感器与微系统，2013，32(2)：138-141.
［5］黄苜，程小平. 基于支持向量机回归料子滤波器的运动员实时跟踪方法［J］. 西南大学学报(自然科学版)，2008，30(5)：165-169.
［6］曾燕，成新文，王红旗，等. 基于加权最小二乘支持向量机的下水道可燃气体分析［J］. 西南师范大学学报(自然科学版)，2014，39(9)：94-99.
［7］Suykens J，Vandewalle J. Least squares support vector machine classifiers［J］. Neural Processing Letters，1999，9(3)：293-300.
［8］Wen W，Hao Z，Yang X. A heuristic Weight-Setting strategy and iteratively updating algorithm for weighted LeastSquares support vector regression［J］. Neurocomputing，2008，71(16/18)：3096-3103.
［9］Suykens J，Vandewalle J. Recurrent least squares support vector machines［J］. IEEE Transactions on Circuits and System，2000，47(7)：1109-1114.

相似文献/References:

[1]王广军,李志斐,余德光,等.水产养殖对底泥的影响及处理技术综述[J].江苏农业科学,2013,41(09):212.
　Wang Guangjun,et al.Effects of aquaculture on sediment and its treatment techniques：a review[J].Jiangsu Agricultural Sciences,2013,41(02):212.
[2]王丽爱,谭昌伟,马昌,等.农情信息遥感监测预报模型构建算法研究进展[J].江苏农业科学,2013,41(11):1.
　Wang Liai,et al.Research progress of remote sensing forecast modeling algorithms on crop information[J].Jiangsu Agricultural Sciences,2013,41(02):1.
[3]刘光明,邢克智,田云臣,等.基于云计算的水产集约化养殖信息平台构建[J].江苏农业科学,2013,41(12):248.
　Liu Guangming,et al.Construction of information platform for intensive farming of aquatic products based on cloud computing[J].Jiangsu Agricultural Sciences,2013,41(02):248.
[4]赵辰阳,徐明.基于FIG-SVM的农产品价格趋势预测[J].江苏农业科学,2014,42(05):385.
　Zhao Chenyang,et al.Prediction of agricultural price trend base on FIG-SVM[J].Jiangsu Agricultural Sciences,2014,42(02):385.
[5]周鹏,郭颂,牛晓太,等.南疆红枣病虫危害等级识别模型的研究与实现[J].江苏农业科学,2014,42(06):354.
　Zhou Peng,et al.Research and implementation of pest damage level recognition model of red dates in southern Xinjiang[J].Jiangsu Agricultural Sciences,2014,42(02):354.
[6]邓立苗,马文杰.基于支持向量机的玉米叶片品种识别[J].江苏农业科学,2014,42(06):372.
　Deng Limiao,et al.Study on corn leaf recognition based on support vector machine[J].Jiangsu Agricultural Sciences,2014,42(02):372.
[7]刘光明,邢克智,田云臣,等.云存储在水产健康养殖中的应用[J].江苏农业科学,2014,42(07):246.
　Liu Guangming,et al.Application of cloud storage in healthy aquaculture[J].Jiangsu Agricultural Sciences,2014,42(02):246.
[8]徐小华,胡晓飞,全晓松,等.支持向量机对烟草化学成分协调性的分类应用[J].江苏农业科学,2014,42(07):431.
　Xu Xiaohua,et al.Application of support vector machine in chemical component analysis of tobacco[J].Jiangsu Agricultural Sciences,2014,42(02):431.
[9]姚冠新,顾晴.基于经验模态分解和支持向量机的农产品价格短期预测[J].江苏农业科学,2014,42(09):402.
　Yao Guanxin,et al.Short-term forecasting method of agricultural product price based on EMD-SVM[J].Jiangsu Agricultural Sciences,2014,42(02):402.
[10]邢丽荣,徐翔,林连升.江苏省水产养殖技术效率与影响因素分析[J].江苏农业科学,2014,42(10):457.
　Xing Lirong,et al.Analysis of aquaculture technical efficiency and its factors in Jiangsu Province[J].Jiangsu Agricultural Sciences,2014,42(02):457.

备注/Memo

备注/Memo:
收稿日期：2015-11-18
基金项目：四川省院士(专家)工作站基金(编号：2014YSGZZ01)；企业信息化与物联网测控技术四川省高校重点实验室基金(编号：2014WYY01)。
作者简介：居锦武(1976—)，男，上海人，硕士，副教授，主要从事嵌入式计算机系统设计研究。E-mail：jjwmail@163.com。
更新日期/Last Update: 2017-01-20