[发明专利]一种鱼塘耗氧量预测方法

说明书

本发明提供了一种鱼塘耗氧量预测方法，包括获取预设间隔的水中氧浓度采集序列；对所述氧浓度序列进行去噪处理，以生成神经网络训练样本；根据所述神经网络训练样本训练预设神经网络，得到输入输出映射矩阵；所述神经网络满足下述公式x(n+1)＝W₁u(n+1)+W₂x(n)+W₃y(n)；其中，x、y分别为输入和输出，W₁,W₂,W₃分别为所述神经网络输入、内部状态、输出到下一个内部状态之间的转换矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出；根据所述神经网络预测后续的氧浓度。本发明通过构建神经网络，优化训练样本，基于训练样本训练用于预测耗氧量的神经网络的方法达到了预测鱼塘耗氧量的目的。

技术领域

本发明涉及数据处理领域，尤其涉及一种鱼塘耗氧量预测方法。

背景技术

神经网络的构建是基于神经网络应用的前提，近十年来，模拟生物神经网络的类生物神经网络系统在辨识、决断和预测等领域均有卓越的表现。类生物神经网络通过模拟生物神经网络而具备较好的智能性和自适应性，但是通常神经网络中个神经元的完全随机连接导致了神经网络内部的耦合度高，动力学特性不足，从而导致了神经网络的自适应性难移提高并且输出误差难以减小。

当然，自适应性差误差大的神经网络也难以用在数据预测领域，从而限制了其在环保、养殖、危险防治等领域的应用。

发明内容

为了解决上述技术问题，本发明提出了一种鱼塘耗氧量预测方法。本发明具体是以如下技术方案实现的：

一种鱼塘耗氧量预测方法，包括：

获取预设间隔的水中氧浓度采集序列；

对所述氧浓度序列进行去噪处理，以生成神经网络训练样本；

根据所述神经网络训练样本训练预设神经网络，得到输入输出映射矩阵；所述神经网络满足下述公式x(n+1)＝W₁u(n+1)+W₂x(n)+W₃y(n)；其中，x、y分别为输入和输出，W₁,W₂,W₃分别为所述神经网络输入、内部状态、输出到下一个内部状态之间的转换矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出；

根据所述神经网络预测后续的氧浓度。

进一步地，所述对所述氧浓度序列进行去噪处理，以生成神经网络训练样本包括：

将所述氧浓度序列中每个氧浓度值通过元信号和剩余信号的和形式表示，其中c_it,r_t分别为元信号序列中的信号和剩余信号；

对各个元信号序列按需进行低通滤波去噪；

基于去噪后得到的元序列和剩余信号重构氧浓度序列，并将重构后的氧浓度序列作为神经网络训练样本。

进一步地，元信号序列的获取方法为：

(1)对信号序列h_i进行插值形成上下两条包络线，并得到两条包络线的平均值m_i；

(2)得到差值h_i+1＝h_i-m_i；

(3)使用差值h_i+1代替信号序列h_i执行步骤(1)，直至满足预设条件为止；

所述预设条件为：若第k步的结果为h_i-m_i＝h_i+1-m_i+1，则h_i+1即为元信号序列。