基于K-means聚类和ELM神经网络的养殖水质溶解氧预测OA北大核心CSCDCSTPCD
Dissolved oxygen prediction in water based onK-means clustering and ELM neural network for aquaculture
为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题，该文以2014、2015年江苏常州养殖基地水质和气象数据为基础，提出了一种基于K-means聚类和ELM神经网络（extreme learning machine，ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数，自定义相似日的统计量－相似度，通过K-means聚类方法将历史日样本划分为若干类，然后分类识别获得与预测日最相似的一类历史日样本集，将其与预测日的实…查看全部>>
Dissolved oxygen plays a vital role in water management as it is an important factor that determines the growth status of the fish. Either inadequate or excessive level of dissolved oxygen will be harmful to the survivability of the fish in their respective habitats. The accurate analysis of the data collected from the aquaculture ponds and the prediction for the anticipated level of dissolved oxygen are helpful for both water quality management and aquacult…查看全部>>
宦娟;刘星桥
江苏大学电气信息工程学院，镇江 212013 常州大学信息科学与工程学院，常州 213164
信息技术与安全科学
神经网络模型养殖溶解氧预测相似日K-means聚类ELM神经网络
neural networksmodelsaquaculturedissolved oxygen predictionsimilar dayK-means clusteringELM neural network
《农业工程学报》 2016 (17)
174-181,8
江苏高校优势学科建设工程资助项目（PAPD, NO.6-2014）；江苏省农业科技支撑项目（BE2013402）；常州市科技支撑计划（CJ20140057）
评论