基于改进极限学习机的水体溶解氧预测方法OA北大核心CSCDCSTPCD
Dissolved oxygen prediction for water quality of aquaculture using improved ELM network
为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机(ExtremeLearning Machine,ELM)的水产养殖溶解氧预测模型.首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法(Partial Least Square,PLS)优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构…查看全部>>
施珮;匡亮;袁永明;张红燕;李光辉
中国水产科学研究院淡水渔业研究中心,无锡 214081江南大学物联网工程学院,无锡 214122江苏信息职业技术学院物联网工程学院,无锡 214153中国水产科学研究院淡水渔业研究中心,无锡 214081中国水产科学研究院淡水渔业研究中心,无锡 214081
信息技术与安全科学
养殖水质溶解氧预测因子筛选偏最小二乘法ELM神经网络
《农业工程学报》 2020 (19)
高可靠的环境传感器数据流异常检测与校正机制
225-232,8
中央级公益性科研院所基本科研业务费资助(2019JBFM09)现代农业产业技术体系专项(CARS-46)国家自然科学基金项目(61174023)
评论