集成随机配置网络在养殖水质监测中的应用

来源：农业工程学报杂志2020年第4期北京时间：

作者：李康,王魏,王奕鹏,

摘要：为解决集约化水产养殖过程水体氨氮浓度无法实时检测的问题，提出基于Bagging集成随机配置网络（stochastic configuration network，SCN）的建模方法，利用养殖过程采集的相关水质参数对养殖水体氨氮浓度进行软测量。该方法首先采用Bootstrap方式生成多个不同的训练子集，然后并行训练多个SCN模型，最后将各个SCN模型的输出结果取均值作为Bagging-SCN模型的输出。为验证方法的有效性，分别通过UCI标准数据库中的机翼自噪声数据集和集约化海水养殖过程数据集进行了仿真实验，将本研究提出的Bagging-SCN模型与单一SCN模型、以及目前应用最广泛的随机权向量函数连接网络（random vector functional-link net，RVFL）模型、Bagging-RVFL模型的测量效果进行了比较。实验结果表明，本研究所使用的方法具有较高的测量性能，在测量精度和稳定性方面优于其他几种算法，更适合应用于集约化水产养殖水质监测过程。

关键词：软测量, 集成学习, 随机配置网络, 氨氮浓度, 水质监测