基于SARIMA-VMD-LSSVM的水产养殖溶解氧质量浓度预测

作     者：唐毅 徐全 杜彬 王磊 袁瑞豪 袁禹 TANG Yi;XU Quan;DU Bin;WANG Lei;YUAN Ruihao;YUAN Yu

作者机构：西华大学机械工程学院四川成都610039 

出 版 物：《江苏农业学报》 (Jiangsu Journal of Agricultural Sciences)

年 卷 期：2024年第40卷第8期

页      面：1473-1482页

核心收录：

学科分类：0908[农学-水产] 081203[工学-计算机应用技术] 08[工学] 09[农学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：四川省科技成果转移转化示范项目(2020ZHCG0076) 工业控制技术国家重点实验室开放课题(ICT2022B45) 

主　　题：水产养殖 溶解氧 变分模态分解 组合预测方法 改进的灰狼算法 

摘      要：为了充分利用溶解氧质量浓度的数据特征,进一步提高水产养殖中溶解氧质量浓度预测的准确性,提出“线性与非线性与“分解-预测-集成相结合的溶解氧质量浓度预测模型。该模型首先由季节性差分自回归滑动平均(SARIMA)模型对溶解氧质量浓度随着时间变化而组成的数据序列(简称溶解氧质量浓度的时间序列)进行线性拟合,使用变分模态分解(VMD)对残差序列进行分解,然后将各残差分量代入经改进的灰狼算法(IGWO)优化的最小二乘支持向量机模型(LSSVM)中,得到非线性分量的预测结果。最后集成线性与非线性预测结果,得到最终的溶解氧质量浓度预测值。结果表明,与SARIMA、LSSVM、VMD-LSSVM模型相比,基于SARIMA-VMD-LSSVM模型对溶解氧质量浓度进行预测的精度显著提高,预测的均方根误差(RMSE)为0.0787,平均相对误差(MAPE)为0.0226,说明该组合模型可有效提取溶解氧质量浓度的时间序列的多尺度特征,从而更精准地进行溶解氧质量浓度的预测。