基于XGBoost的循环水养殖亚硝酸盐预测模型研究

来源：中国农机化学报杂志2026年第5期北京时间：

作者：曾鸣, 黄志宏

单位：(华南农业大学信息网络中心，广州市，510642)

摘要：为实时、准确地获取水产养殖水体中亚硝酸盐含量，研究分析淡水工厂化循环水养殖环境下亚硝酸盐与水温、pH值、溶解氧、电导率之间的非线性关系。利用离差归一化方法对样本数据进行预处理，并利用极端梯度提升树(XGBoost)算法的集成机器学习方法构建预测模型，对养殖水体中的亚硝酸盐含量进行预测，并将结果与最小二乘线性回归(LSR)和支持向量机回归(SVR)模型进行对比分析。试验表明，以均方根误差(RMSE)和平均绝对误差(MAE)作为评价指标，本研究所提方法的均方根误差为0.016，平均绝对误差为0.011 8；与最小二乘线性回归、支持向量机回归方法进行比较，其均方根误差分别减少66.39%和73.81%，平均绝对误差分别减少68.7%和77.39%。所提方法在进行大样本预测应用中具有较高的预测精度及泛化能力，可为淡水工厂化循环水养殖水体中亚硝酸盐含量精准预测提供理论依据和数据参考。

关键词：工厂化循环水,淡水养殖,亚硝酸盐预测,极端梯度提升树,机器学习

基金资助：国家重点研发计划项目(2017YFD0701700)