文献

J-GLOBAL ID：201702283353212701   整理番号：17A1526774

改良粒子群最適化限界学習器に基づく養殖アンモニア窒素含有量予測モデル【JST・京大機械翻訳】

著者 (4件)： Xu Daming (太原理工大学信息工程学院,山西太原030000;国家農業信息化工程技術研究中心,北京 100097;農業部農業信息技術重点実験室,北京 100097;北京市農業物聯网工程技術研究中心,北京 100097) ,  Du Yonggui (太原理工大学信息工程学院,山西太原,030000) ,  Sun Chuanheng (国家農業信息化工程技術研究中心,北京 100097;農業部農業信息技術重点実験室,北京 100097;北京市農業物聯网工程技術研究中心,北京 100097) ,  Zhou Chao (国家農業信息化工程技術研究中心,北京 100097;農業部農業信息技術重点実験室,北京 100097;北京市農業物聯网工程技術研究中心,北京 100097)
資料名： Jiangsu Nongye Kexue  (Jiangsu Nongye Kexue)
巻： 45  号： 4  ページ： 183-186  発行年： 2017年 
JST資料番号： C3714A  ISSN： 1002-1302  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 養殖水のアンモニア窒素含有量の予測精度が低いという問題を解決するために,改良粒子群最適化(PSO)アルゴリズムに基づく水産養殖のアンモニア窒素含有量予測モデルを提案した。粒子群最適化アルゴリズムの探索性能を改善するために適応突然変異演算子を導入し,改良型粒子群最適化(PSO)アルゴリズムを用いて,限界学習機械の初期重みと閾値を最適化し,最後に,限界学習機械の予測モデルを訓練し,最適解を得た。この予測モデルを小湯山水製品養殖システムに応用して有効性検証を行い、実験結果により、PSO-ELMと普通BPニューラルネットワークと比べ、IPSO-ELMはアンモニア態窒素窒素含有量モデルを予測するのにより高い精度とより良いフィッティング能力があることが分かった。結果により、改良粒子群最適化に基づく限界学習機械のアンモニア態窒素窒素含有量予測モデルは、簡単で分かりやすく、予測精度が高く、実現が容易で、良好な予測性能があることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *養殖 ,  アルゴリズム ,  *最適化 ,  *アンモニア態窒素 ,  *学習 ,  *予測モデル ,  学習機械
準シソーラス用語： 予測性能 ,  逆伝播ニューラルネットワーク ,  最適解 ,  突然変異演算子 ,  探索性能 ,  予測精度 ,  *粒子群最適化 , 【Automatic Indexing@JST】

分類 (5件)： 医用画像処理  (JE04020T) ,  火力発電  (NB03040D) ,  数理計画法  (KA03030M) ,  電磁気学一般  (BD01020N) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (7件)： 粒子群最適化 ,  限界 ,  学習 ,  養殖 ,  アンモニア ,  窒素含有量 ,  予測モデル