1 简介
溶解氧浓度是渔业养殖水质安全的重要指标,也是影响养殖水产品健康的关键因素,对其进行实时监测和预测具有重要意义.溶解氧受环境中pH值等参数影响,针对溶解氧的变化情况该文采用MI_PSO_RBF(互信息_粒子群_RBF神经网络)算法对渔业养殖环境溶解氧含量进行预测,首先采用互信息理论MI降低两个随机变量统计的相关性;然后采用径向基函数RBF神经网络算法对渔业养殖水环境中溶解氧变化趋势进行预测;最后采用粒子群算法PSO对RBF神经网络的模型参数进行优化,并利用该模型对渔业养殖溶解氧变化趋势进行预测.经实验验证表明,多参数远程监测系统稳定性好,基于MI_PSO_RBF的溶解氧预测算法预测效果良好,为渔业养殖提供了良好的参考价值.
2 部分代码
clc;
clear;
tic;
SamNum=100; %训练样本数
TargetSamNum=100; %测试样本数
InDim=1; %样本输入维数
Unit
最后
以上就是高高芒果最近收集整理的关于【RBF预测】基于粒子群优化RBF神经网络实现对数据预测附matlab代码的全部内容,更多相关【RBF预测】基于粒子群优化RBF神经网络实现对数据预测附matlab代码内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复