基于PC-RELM的養(yǎng)殖水體溶解氧數(shù)據(jù)流預(yù)測模型

施 珮，匡 亮，王 泉，袁永明

基于PC-RELM的養(yǎng)殖水體溶解氧數(shù)據(jù)流預(yù)測模型

施 珮1,2，匡 亮3，王 泉1,2，袁永明4

（1. 無錫學(xué)院，無錫 214105；2. 江蘇省物聯(lián)網(wǎng)設(shè)備超融合與安全工程研究中心，無錫 214105；3. 江蘇信息職業(yè)技術(shù)學(xué)院物聯(lián)網(wǎng)工程學(xué)院，無錫 214153；4.中國水產(chǎn)科學(xué)研究院淡水漁業(yè)研究中心，無錫 214081）

養(yǎng)殖水體中溶解氧濃度一直是最重要的水質(zhì)參數(shù)之一。為了精準(zhǔn)地對水體溶解氧進(jìn)行調(diào)控，提高養(yǎng)殖生產(chǎn)效率，降低養(yǎng)殖風(fēng)險，該研究考慮外部天氣條件對溶解氧的影響以及溶解氧自身的晝夜變化特征，提出一種基于正則化極限學(xué)習(xí)機（principal component analysis and clustering method optimized regularized extreme learning machine，PC-RELM）的養(yǎng)殖水體溶解氧數(shù)據(jù)流預(yù)測模型。首先，采用主成分分析法判斷影響溶解氧濃度的強重要性因子，降低預(yù)測模型的數(shù)據(jù)維度；其次，利用熵權(quán)法計算各時刻點的天氣環(huán)境指數(shù)，并利用快速動態(tài)時間規(guī)整算法（fast dynamic time warping，F(xiàn)astDTW）完成時間序列數(shù)據(jù)流在不同天氣環(huán)境下的相似度度量；然后使用-means算法對時間序列的相似度進(jìn)行聚類分簇，并基于分簇結(jié)果完成正則化極限學(xué)習(xí)機預(yù)測模型的構(gòu)建，實現(xiàn)溶解氧濃度的估算。最后將PC-RELM模型應(yīng)用到無錫南泉試驗基地養(yǎng)殖池塘的溶解氧預(yù)測調(diào)控過程中。試驗結(jié)果表明：PC-RELM的預(yù)測均方根誤差值（root mean square error， RMSE）為0.961 9，與PLS-ELM（partial least squares optimized ELM）、最小二乘支持向量機（least square support vector machine，LSSVM）以及BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對比，其RMSE值分別降低了41.54%、54.58%和67.16%。該預(yù)測模型可以有效地捕捉不同天氣條件下溶解氧的變化特點，具有較高的預(yù)測精度和效率。

溶解氧；養(yǎng)殖；水質(zhì)；聚類；快速動態(tài)時間規(guī)整算法；正則化極限學(xué)習(xí)機