养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干...养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干分量,接着对各个分量进行相空间重构,在相空间中用LSSVM对各分量进行建模预测,并使用自适应扰动粒子群算法对LSSVM的超参数进行优化,采用单点迭代法进行多步预测。结果显示:该模型与单一LSSVM预测模型相比,具有良好的预测效果。预测未来4 h DO值时,各项性能指标误差均方根(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)三项指标分别降低了13.4%、11.3%和1.8%;预测未来24 h DO值时,三项指标分别降低了12.9%、12.1%和2.7%。研究表明:该组合模型可有效提取DO序列特性,具有较高的预测精度和泛化性能。展开更多
文摘养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干分量,接着对各个分量进行相空间重构,在相空间中用LSSVM对各分量进行建模预测,并使用自适应扰动粒子群算法对LSSVM的超参数进行优化,采用单点迭代法进行多步预测。结果显示:该模型与单一LSSVM预测模型相比,具有良好的预测效果。预测未来4 h DO值时,各项性能指标误差均方根(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)三项指标分别降低了13.4%、11.3%和1.8%;预测未来24 h DO值时,三项指标分别降低了12.9%、12.1%和2.7%。研究表明:该组合模型可有效提取DO序列特性,具有较高的预测精度和泛化性能。
