基于集合经验模态分解和人工蜂群算法的工厂化养殖pH值预测

来源：农业工程学报杂志2016年第3期北京时间：

作者：徐龙琴,李乾川,刘双印,李道亮,

摘要：针对单一预测模型预测养殖pH值精度低等问题，提出集合经验模态分解（ensemble empirical mode decomposition，EEMD）和改进人工蜂群算法（improve artificial bee colony，IABC）相结合的南美白对虾工厂化养殖pH值组合预测模型。在建模过程中，利用EEMD算法对原始pH值时间序列进行多尺度分解，得到一组平稳、互不耦合的子序列；根据各子序列变化特征选择适宜的单项预测方法并建模，通过改进人工蜂群（IABC）算法优化复杂非线性组合预测模型目标函数权重系数，构建了工厂化养殖pH值非线性组合预测模型。利用该模型对广东省湛江市2014年9月8日－2014年9月15日期间工厂化养殖pH值进行预测，结果表明，该预测模型取得了较好的预测效果，与模拟退火优化BP神经网络（simulated Annealing-BP neural network，SA-BPNN）和遗传算法优化最小二乘支持向量回归机（genetic algorithm-least square support vector regression，GA-LSSVR）对比分析，模型评价指标平均绝对百分比误差MAPE、均方根误差、平均绝对误差MAE和相关系数R2分别为0.0035、0.0274、0.0224和0.9923，均表明该文提出的组合预测模型具有更高预测精度，能够满足实际南美白对虾工厂化养殖pH值精细化管理需要，也为其他领域pH值预测提供参考。

关键词：算法, pH值, 水产养殖, 组合预测, 集合经验模态分解, 人工蜂群算法, 南美白对虾