一种基于改进粒子群算法的水产养殖制造技术

本发明专利技术是一种基于改进粒子群算法的水产养殖

【技术实现步骤摘要】
一种基于改进粒子群算法的水产养殖PH值预测方法


[0001]本专利技术涉及水产养殖水质预测
，具体涉及一种基于改进粒子群算法的水产养殖
PH
值预测方法
。

技术介绍

[0002]随着物联网技术
、
大数据技术的科学技术的不断发展，作为传统产业的水产养殖也得到了迅猛的发展
。
中国作为水产养殖食品数量全球第一大国，其养殖数量和质量影响着渔民经济的增收也是保障国家粮食安全重要方面
。
然而大部分养殖户以追求产量和经济效益，易出现高密度养殖
、
施肥施药不合理不科学，导致养殖水质的严重自污染
、
养殖鱼塘生态失衡
。
这些粗放的养殖方式出现养殖水质恶化诱导水产品疾病爆发甚至是大批量死亡，给庞大的水产养殖产业带来严重的养殖风险和经济损失
。
因此找出水质参数的变化规律，实现水质参数的预测预警是智慧水产养殖关键技术之一，具有重要的实用价值和现实意义
。
其中水质参数
PH
值对水产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进粒子群算法的水产养殖
PH
值预测方法，其特征在于，该方法包括以下步骤：步骤
1)
数据采集和数据样本归一化处理；步骤
2)
原始种群初始化，包含粒子群规模
、
学习因子
、
惯性权重
、
动态变量因子
、
最大迭代次数的参数设定；步骤
3)
采用混沌理论，根据适应度函数确定较好种群规模；步骤
4)
选定好粒子的个体最优值和全体最优值；步骤
5)
根据额外改进优化参数和新的更新函数确定迭代粒子的最优值；步骤
6)
判断是否满足最大迭代次数适应度值阈值的寻优条件，若满足，则终止寻优并返回优化后的参数组合，否则跳转至步骤
5)
；步骤
7)
利用上述改进算法优化得到的参数组合建立
IPSO
‑
LSSVM
预测模型得出预测结果
。2.
根据权利要求1所述的基于改进粒子群算法的水产养殖
PH
值预测方法，其特征在于，所述步骤
1)
中，采用包含水温
WT、
溶解氧
DO、
电导率
EC、
水质
PH、
氧化还原电位
ORP
和氨氮
NH3
～
NH4+
检测的相应传感器在预测水域进行数据采集，将采集的数据进行归一化处理，通过以下公式将所有数据归一化到特定区间：式中
x
为原始数据，
x
min
，
x
max
分别为数据样本的最小值和最大值
。3.
根据权利要求1或2所述的基于改进粒子群算法的水产养殖
PH
值预测方法，其特征在于，所述步骤
3)
中，将混沌优化引入基本粒子群算法
PSO
中，利用混沌搜索的变量遍历性，使粒子群搜索到当前最优位置迭代产生一个混沌序列，使其均匀分布在整个解空间；在确定算法参数后，随机产生
N
个粒子的种群，初始化粒子，按照公式和公式更新粒子速度与位置，上述两式中，
ω
为惯性权重，
k
为迭代次数，
c1、c2为学习因子，
r1、r2为相互独立的随机数，
p
bestid
为个体最优值，
p
bestd
为全体最优值；将个体最优值
p
bestid
映射到
Logistic
方程的定义域
[0
，
1]
上，然后根据方程
y
n+1
＝
μ
y
n
(1
‑
y
n
)(n
＝0，1，2，
...
，
0≤
μ
≤4)
进行迭代得到混沌序列，将混沌序列映射回原解空间；最后根据适应度值从
N
个随机向量中选出
n
个较好的种群初始位置；所述步骤
4)
中，根据选定好的粒子的当前位置作为个体最优值
p
bestid

【专利技术属性】
技术研发人员：钱平，孙逊，谭方勇，张旭，游旷喆，
申请(专利权)人：苏州市职业大学苏州开放大学，
类型：发明
国别省市：