Please wait a minute...

大连海洋大学学报  2016, Vol. 31 Issue (4): 444-448    DOI: 10.16535/j.cnki.dlhyxb.2016.04.016
  |
基于LS-SVM的养殖水体氨氮含量分析模型的优化
居锦武
四川理工学院计算机学院，四川自贡643000
Optimization of an ammonia nitrogen content analysis model in aquaculture water based on LS-SVM
JU Jin-wu
School of Computer Science，Sichuan University of Science and Engineering，Zigong 643000，China
下载:  HTML  PDF (1434KB) 
输出:  BibTeX | EndNote (RIS)      
摘要 水体氨氮浓度是水产养殖的关键水质指标，为了提高氨氮浓度的测量精度，减少测量过程中pH、温度、静置时间等因素对准确度的影响，使用最小二乘支持向量机 （LS-SVM）算法建立了分析预测模型，通过正交试验仿真测试，获取各因素的最佳优化组合为pH值10.5、反应温度35℃、静置时间20 min、检测光源波长380 nm。仿真结果表明，在设计在线式氨氮检测系统时，利用最佳优化组合对氨氮浓度分析模型进行优化，提高了氨氮浓度的测量精度。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
居锦武
关键词:  支持向量机  水产养殖  氨氮  分析模型    
Abstract: The least square support vector machine（LS-SVM）was used to establish an analytical prediction model of ammonia nitrogen concentration as a key water quality index in aquaculture in order to improve the measurement accuracy of ammonia nitrogen concentration，and the analytical prediction model was optimized to reduce the influence of pH value，temperature，static time and otherfactors during measurement process by an orthogonal simulation test.The results showed that the precise measurement of ammonia nitrogen concentration was observed under the conditions of pH value of 10.5，temperature of 35℃，static time of 20 min，and light source wave length of 380 nm using an on-line ammonia nitrogen detection system.
Key words:  support vector machine    aquaculture    ammonia nitrogen    analysis model
                    发布日期:  2016-12-30      期的出版日期:  2016-08-21
中图分类号:  TP391  
引用本文:    
居锦武. 基于LS-SVM的养殖水体氨氮含量分析模型的优化[J]. 大连海洋大学学报, 2016, 31(4): 444-448.
JU Jin-wu. Optimization of an ammonia nitrogen content analysis model in aquaculture water based on LS-SVM. Journal of Dalian Ocean University, 2016, 31(4): 444-448.
链接本文:  
https://xuebao.dlou.edu.cn/CN/10.16535/j.cnki.dlhyxb.2016.04.016  或          https://xuebao.dlou.edu.cn/CN/Y2016/V31/I4/444
[1] 王晨诗, 黄馨笛, 崔晓玉, 倪萍, 叶仕根, 王华, 高东旭, 雷威. 哈维氏弧菌感染对红鳍东方鲀IL-6基因DNA甲基化的影响[J]. 大连海洋大学学报, 2022, 37(2): 221-226.
[2] 姚启, 缪新颖. 基于主成分分析及GA-LM的水产养殖环境溶解氧和氨氮含量预测[J]. 大连海洋大学学报, 2021, 36(5): 851-858.
[3] 石立冬, 任同军, 韩雨哲. 水产动物繁殖性能的营养调控研究进展[J]. 大连海洋大学学报, 2020, 35(4): 620-630.
[4] 喻杰, 杨弘. 鱼类性别决定的遗传基础及性别控制技术在水产养殖中的应用[J]. 大连海洋大学学报, 2020, 35(2): 161-168.
[5] 刘萱, 赵慧敏, 王华, 刘璐、, 王诗慧, 孙琦. 大连典型滩涂养殖区沉积物中抗生素协同重金属和环境因素对抗性基因分布的影响[J]. 大连海洋大学学报, 2020, 35(2): 229-238.
[6] 韩汶均, 许彦婷, 蒋阳杨, 姚亚楠, 曹学彬, 姜爱莉, 陈丽红, 邢荣莲. 氮磷比、盐度、pH对强壮硬毛藻生长和光合作用的影响[J]. 大连海洋大学学报, 2019, 34(6): 776-784.
[7] 宋长利, 靳廉洁, 关峰, 林木西. 基于支持向量机的大连港主要货种吞吐量预测研究[J]. 大连海洋大学学报, 2019, 34(5): 752-756.
[8] 马远洋, 母刚, 张国琛, 张倩, 刘宇, 李秀辰. 陶瓷板太阳能集热器保温隔热设计及养殖水体升温试验[J]. 大连海洋大学学报, 2019, 34(3): 436-443.
[9] 白璐, 杨静, 马红丽, 王一婷, 郭思聪, 叶仕根. 紫锥菊的免疫调节作用及其在水产养殖中的应用进展[J]. 大连海洋大学学报, 2019, 34(3): 450-456.
[10] 陶宁, 母刚, 张国琛, 陈朝炳, 李秀辰. 陶瓷板和真空管太阳能集热器对养殖水体升温效果的对比研究[J]. 大连海洋大学学报, 2019, 34(2): 267-272.
[11] 魏海峰, 田山川, 刘长发. 3种多芳环烃在海胆体内的富集动力学研究[J]. 大连海洋大学学报, 2018, 33(6): 743-748.
[12] 王欢欢, 毕福洋, 曹敏, 汤勇. 獐子岛海洋牧场秋季渔业资源声学调查与评估[J]. 大连海洋大学学报, 2018, 33(6): 802-807.
[13] 潘奕如, 曹景龙, 王静远, 黎洁. 环介导等温扩增技术在水产病害检测中的研究与应用[J]. 大连海洋大学学报, 2018, 33(4): 539-550.
[14] 宋昌斌, 刘立莉, 卢鹏志, 杨华, 李贤, 高霄龙, 陈涛, 熊巍, 雷堡乐, 马贺, 杜建军. 水产养殖车间LED光环境设计研究[J]. 大连海洋大学学报, 2018, 33(2): 145-150.
[15] 杨震飞, 刘波, 戈贤平, 宋长友, 张慧敏, 单凡. 水产养殖环境胁迫对鱼类表观遗传的影响研究进展[J]. 大连海洋大学学报, 2018, 33(2): 270-282.
No Suggested Reading articles found!
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed