[发明专利]一种基于多尺度分析的水产养殖水质短期组合预测方法

摘要

本发明公开了一种基于多尺度分析的水产养殖水质短期组合预测方法，在线采集水质时间序列数据并进行修复；采用经验模态分解对所选的水质时间序列样本集数据分解成不同频率尺度的IMF分量和残差rn分量；将IMF和rn分量进行分类，根据分类特征分别选择人工蜂群优化最小二乘支持向量回归机、BP神经网络和自回归滑动平均模型进行预测，最后将各部分结果加权求和得到水质时间序列预测结果。本发明通过经验模态分解将原水质时间序列数据分解为不同时频尺度分量，更能准确的把握原水质序列内部的变化情况；并将人工蜂群优化最小二乘支持向量回归机、BP神经网络和自回归滑动平均模型模型优势互补相结合，有效的提高组合预测模型性能。

主权项

一种基于多尺度分析的水产养殖水质短期组合预测方法，其特征在于，该基于多尺度分析的水产养殖水质短期组合预测方法包括以下步骤：步骤一，在线获取集约化水产养殖池塘的水质数据，按照时间顺序排列成水质时间序列数据X，水质时间序列数据X记为：X＝{xt，t＝1，2，...，N}，其中，N为水质时间序列数据的个数且N为正整数；步骤二，对在线采集的水质原始数据修复处理，根据数据特征对历史水质时间序列数据中的残缺值进行修复处理；步骤三，经验模态本征分解：采用EMD算法对已经修复处理水质参数时间序列进行分解，得到n个IMF分量和一个残差rn，其中n是大于1的自然数；步骤四，IMF和rn分量分类预测：根据不同尺度频率滤波的特点，将IMF分量分为高频滤波、中频滤波和低频滤波，分别使用人工蜂群优化最小二乘支持向量回归机、BP神经网络和自回归滑动平均模型进行建模预测；将分解得到的几个较高频率的IMF分量作为高频滤波；将分解得到的中间几个一般频率的IMF分量作为中频滤波；将后几个频率较低和残差rn作为低频滤波，然后针对不同时频的滤波特性进行分类预测，对高频滤波部分，使用人工蜂群优化最小二乘支持向量回归机进行建模预测，对中频滤波部分，使用BP神经网络进行建模预测，对低频滤波部分，使用自回归滑动平均模型进行建模预测；步骤五，组合模型权重计算：假定某一水质参数时间序列为(x1，x2，...，xt)，则模型权重计算式为：其中,为t+1时刻第j个基本预测模型在组合模型中的权重，j＝1，2，...，J，J为基本预测模型的个数，为第j个模型第i个分量的预测值，σi为的方差；步骤六，将各模型预测结果进行加权求和，得到最终的集约化水产养殖水质预测值式中,为第t+1时刻水质参数最终预测结果。