[发明专利]基于多尺度分析的水产养殖溶解氧短期预测方法

摘要

本发明公开了一种基于多尺度分析的水产养殖溶解氧短期预测方法，其中该方法包括在线获取集约化水产养殖溶解氧时间序列数据；对所述溶解氧时间序列数据进行小波分解，得到不同频率尺度的溶解氧的高频细节分量和低频近似分量；根据所述的溶解氧的高频细节分量和低频近似分量，采用柯西粒子群优化最小二乘支持向量回归建立溶解氧短期预测模型，以进行水产养殖溶解氧短期预测。上述基于多尺度分析的水产养殖溶解氧短期预测方法，根据具有非线性和大时滞特征的溶解氧时间序列数据进行高精度预测，为后续集约化水产养殖水质智能调控提供决策依据，可广泛应用于集约化水产领域。

主权项

一种基于多尺度分析的水产养殖溶解氧短期预测方法，其特征在于，所述预测方法包括以下步骤：获取集约化水产养殖池塘的溶解氧数据，按照时间顺序排列成溶解氧时间序列数据；使用多贝西小波分解模型对所述溶解氧时间序列数据进行四层小波分解，获得不同尺度下的所述溶解氧时间序列数据的四组高频细节分量和一组低频近似分量；将所述四组高频细节分量和一组低频近似分量中的一部分数据作为训练样本集，另一部分数据作为测试样本集，用柯西粒子群优化最小二乘支持向量回归机算法根据训练样本集建立四组高频细节分量和一组低频近似分量的非线性预测模型，分组输入所述测试样本集中的四组高频细节分量数据和一组低频近似分量数据，得到四组高频细节分量和一组低频近似分量的预测结果；采用小波逆变换法将所述四组高频细节分量和一组低频近似分量的预测结果进行小波重构，得到最终的水体中溶解氧预测值；其中，该方法进一步包括：设定自相关度阈值，对应每一个可能的嵌入维数的取值计算溶解氧时间序列数据的自相关度，将自相关度大于自相关度阈值时对应的所有嵌入维数取值中最大的一个选定为嵌入维数；所述自相关度的计算公式为：其中，rm为自相关度，0≤rm≤1，μ和θ分别为溶解氧时间序列的均值和标准差，m为嵌入维数；所述用柯西粒子群优化最小二乘支持向量回归机算法根据训练样本集建立四组高频细节分量和一组低频近似分量的非线性预测模型包 括：选择径向基函数作为所述最小二乘支持向量回归机的核函数，最小二乘支持向量回归机的正则化参数γ和径向基核函数参数δ作为优化选择参数式中，xi∈Rl和yi∈R1分别为系统的输入输出向量，Rl和R1分别为多维空间的数据和1维空间的数据，ξi∈R为经验误差，b为偏置量，γ∈R+是正则化参数，为输入空间到特征空间的非线性映射，ω为权重向量；粒子群初始化，将最小二乘支持向量回归机的正则化参数γ和核函数参数δ分别作为粒子的x轴和y轴坐标，随机产生粒子的初始位置x和速度v，设置粒子群体规模为M，最大迭代次数为tmax，正则化参数γ∈[0,500],核函数参数δ∈[0,1]；预测模型的建立，确定基于最小二乘支持向量回归机算法输入参数维数，对于溶解氧时间序列数据X＝{xt,t＝1,2,…,N},假设t时刻的所述溶解氧时间序列数据xt可由t‑1，t‑2，…，t‑m时刻的溶解氧时间序列数据xt‑1,xt‑2,…,xt‑m来进行预测，则可建立映射f：Rm→R,预测模型可表示为：xt＝f[xt‑1,xt‑2,...,xt‑m]式中，m为嵌入维数；基于柯西粒子群的预测模型训练与优化，该步骤主要包括最小 二乘支持向量回归机的训练，计算粒子适应度、自适应和柯西变异操作，粒子适应度重新计算及确定全局最优粒子的位置，检查算法终止条件等四部分，具体步骤如下：分别将溶解氧时间序列数据X的高频细节分量d1、d2、d3、d4和低频近似分量a4的训练样本集输入所述的最小二乘支持向量回归机中，采用计算式计算每个粒子的适应度值Fitness，其中和分别为t时刻所述的溶解氧时间序列数据X的某个分量的真实值和预测值，z为该溶解氧时间序列数据X所分解的高频细节分量d1、d2、d3、d4和低频近似分量a4每个分量训练样本的个数；对于所有的粒子，将每个粒子经过的适应度最小的位置作为最好位置如果每个粒子的适应度与它对应的最好位置作比较，如果该粒子的适应度小于它经过的最好位置则将其作为当前的最好位置将每个粒子的适应度与群体所经过的最好位置作比较，如果该粒子的适应度小于群体所经过的最好位置则将其作为群体当前的最好位置每个粒子的t+1时刻的位置和速度及惯性权重的计算式分别为：其中，η1和η2为[0,1]之间的随机数，c1，c2为加速度系数，Cauchy(0,1) 为产生柯西分布的随机数，w为惯性权重，λ为增量系数，β为自适应系数，为速度衰减系数，和分别为第i个粒子和第m个粒子在时间t时刻的适应度函数；检查算法终止条件，如果达到设定的最大迭代次数tmax，则停止迭代，获得最佳组合参数(γ，δ)；若未达到设定的最大迭代次数tmax，则由最佳组合参数(γ，δ)，构建基于最小二乘支持向量回归机的非线性回归模型：其中xj为输入向量，是溶解氧数据Xt经过分解后的分量中任一数据，Yj为对应的输出向量，代表溶解氧预测值，αi、为Lagrange乘子，b是相应的偏差值，K是最小二乘支持向量回归机的核函数符号。