一种基于CEEMDAN-CPELM的池塘溶解氧预测模型研究OA北大核心CSTPCD
针对集约化水产养殖中水体溶解氧时间序列非线性、非稳定性特征导致的溶解氧预测模型构建难度大、预测精度不高的问题,提出一种基于自适应完备集合经验模态分解-聚类重构结构的偏最小二乘优化极限学习机溶解氧预测模型(CEEMDAN-CPELM)。采用CEEMDAN方法将溶解氧数据流分解为不同频率的模态分量,并依据各分量的模糊熵值评估各分量的复杂度,利用K-medoids方法将所有分量按照模糊熵复杂度进行聚类,实现数据的分解-重构过程,降低溶解氧预测的难度;再利用偏最小二乘算法对极限学习机进行优化,提高模型的预测性能。最后,将CEEMDAN-CPELM模型应用到常熟养殖试验基地的水体溶解氧预测中。试验结果表明:基于CEEMDAN-CPELM的溶解氧预测模型的预测均方根误差值为0.959,明显低于GA-SELM、LSSVM和ELM等对比模型,验证了该预测模型的可行性和有效性。
施珮;匡亮;王泉;钱承山;袁永明;
无锡学院物联网工程学院,江苏无锡214105 江苏省物联网设备超融合与安全工程研究中心,江苏无锡214105江苏信息职业技术学院物联网工程学院,江苏无锡214153无锡学院物联网工程学院,江苏无锡214105中国水产科学研究院淡水渔业研究中心,江苏无锡214081
计算机与自动化
传感网络溶解氧预测自适应完备集合经验模态分解偏最小二乘法
《传感技术学报》 2024 (001)
P.89-97 / 9
江苏省高校自然科学研究面上项目(21KJB520020);无锡市“太湖之光”科技攻关项目(K20221044);国家自然科学基金项目(62072216);南京信息工程大学滨江学院人才启动经费项目(2021r038);江苏省教育科学“十四五”规划2021年度课题项目(B/2021/01/15);江苏信息职业技术学院科研重点课题项目(JSITKY202204);江苏高校“青蓝工程”资助项目。
评论