利用改进FA-BP算法预测控制水质溶解氧浓度的方法

作     者：刘玉洁 唐升 姜源 郎波 王江 LIU Yujie;TANG Sheng;JIANG Yuan;LANG Bo;WANG Jiang

作者机构：珠海城市职业技术学院广东珠海519090 珠海市之山水产发展有限公司广东珠海519090 

出 版 物：《自动化与仪器仪表》 (Automation & Instrumentation)

年 卷 期：2023年第12期

页      面：56-61页

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0811[工学-控制科学与工程] 

基　　金：2022年中国高校产学研创新基金-新一代信息技术创新项目课题《复杂海鲈养殖环境下基于深度学习的水质溶解氧预测技术研究》(2021ITA02021) 2022年广东省普通高校重点科研项目《自适应智能增氧控制系统的关键技术研究》(2022ZDZX4105) 2020年广东省普通高校重点领域服务乡村振兴重点领域专项项目(自然科学)《基于人工智能技术的智慧水产养殖系统》(2020ZDX1077)。 

主　　题：萤火虫算法 BP神经网络 溶解氧浓度 预测控制 卷积神经网络 长短时记忆网络 

摘      要：为了及时监测近海养殖环境的变化,帮助养殖者及时了解养殖环境,研究提出一种基于萤火虫算法(Firefly Algorithm,FA)结合反向传播(Back propagation,BP)神经网络的水质溶解氧浓度预测方法,并提出了卷积神经网络(Convolutional Neural Networks,CNN)结合长短时记忆网络(Long-term and short-term memory network,LSTM)的水质溶解氧浓度控制技术,最后对水质溶解氧浓度预测控制模型进行了测试分析。结果显示,FA-BP模型具有更高的预测精度,预测误差能够较好地控制在0.05以内;CNN-LSTM-FA-BP寻找全局最优的迭代次数最少,说明该模型的寻优能力强。在理想实验环境和增加干扰的环境中,本研究提出模型的系统调节时间更少,具有更小的超调量,能够更好地对溶解氧设定值进行跟踪,同时为近海养殖水质溶解氧浓度预测控制工作提供一定的研究借鉴。