[发明专利]一种基于混合QPSO-DE寻优预测水质溶氧方法及系统

说明书

本公开公开了一种基于混合QPSO‑DE寻优预测水质溶氧方法及系统，通过利用QPSO‑DE算法来优化设计支持向量机的参数，并将优化设计得到的支持向量机设置为寻优预测水质溶氧模型，得到水质溶氧预测数据。搜索能力比标准差分进化算法的搜索能力更强，性能更优越，在每次迭代进入下一代的个体都具有更优的适应度值，并且，能有有效的避免算法出现早熟现象，即陷入局部最优而跳不出来，提高了算法的全局搜索能力。

技术领域

本公开涉及人工智能技术领域，具体涉及一种基于混合QPSO-DE寻优预测水质溶氧方法及系统。

背景技术

我国是个水产业大国，水产养殖业作为水产业生产活动的一种，对水产业的影响有着举足轻重的作用。在水产养殖中，水质对水产动植物的生长具有重要影响，水质的好坏很大程度上影响到水产生物是否健康，差的水质可能会使鱼儿成为中间的宿主，转而将寄生虫传给人类，从而给人类健康带来巨大的危害。而随着水产养殖精养化程度的提高，水质管理已成为水产养殖业最为关注的问题之一。如果能对未来的水质变化进行较准确的预测，从而可以起到防患于未然的作用，同时也可以为领导决策提供科学依据，这无疑可以对我国的水产养殖起到积极的作用。传统人工神经网络预测方法建立在经验风险最小化原则之上，因此容易发生对训练数据的“过学习”，并且在训练时容易陷入局部最优。最小二乘支持向量机以统计学理论为基础，建立在结构风险最小化原则之上，具有较好的学习与推广能力；它不仅能够在样本有限的情况下发挥其最佳的性能，而且可以较快地收敛于全局最优。利用最小二乘支持向量机进行建模时，涉及到两个非常重要的参数，一个是核函数参数γ，一个是惩罚系数C。这两个参数会较大地影响所建模型的精确度，如何选择参数值对模型的预测性能具有关键性的作用。

通过对量子粒子群优化算法和差分进化(differentialevolution，DE)算法的分析与研究，提出一种将两种算法相融合且引入混合优化思想的新型智能优化算法，并将这个新算法应用到最小二乘支持向量机的参数寻优过程中，通过对影响水质的各因子的分析，建立水体溶氧预测模型，使之能够较为准确的做好水体溶氧含量的预测工作，为科学管理水质提供必要的依据。

在计算过程中也存在很多不足的地方，还能从以下几个方面进行不断的完善：

(1)在水质研究方面，基础数据的获得很是困难，受到各种环境以及经济因素的影响，我们很难获长期的、连续的、完备的监测数据，影响水质的因素复杂而多面，为进一步做好溶氧预测的研究，如何有效地获取长期而稳定的数据显然具有很大的现实意义。

(2)本公开提出用混合QPSO-DE(混合优化算法)优化算法来对LSSVM模型的参数进行优化选取，从而对LSSVM模型进行优化，其实，LSSVM模型还有可以优化的地方，例如核函数的选取方面，这是个值得研究的课题。

(3)本公开对溶氧含量的预测仅仅考虑了各个影响因子之间的横向联系，并没有涉及到纵向的关系，考虑到水质还受到水中生物的呼吸和分泌的影响，而这些因素与时间有着密切的联系，例如，鱼儿大多在白天活动，这时伴随着呼吸作用，其对水质的影响一定高于夜晚休息的时候。如果要考虑这些因素，也必然更加要求采集到的数据具有完整性，总而言之，考虑纵向变化，对未来进行预测将会有很大的意义。

发明内容

本公开提供一种基于混合QPSO-DE寻优预测水质溶氧方法及系统，本公开在之前的分析中指明，差分进化算法中的交叉概率CR需要根据具体的问题来具体的分析，如果问题中的变量是相互独立的，那么CR的取值可以小一些；如果这些变量是相互依赖的，CR的取值可以大一些，CR∈[0,1]。对于交叉概率CR的选取，在现有技术中，一般利用指数递增策略对交叉概率CR进行自适应选取，从而提高差分进化算法的性能(见参考文献：高岳林,刘俊梅.一种带有随机变异的动态差分进化算法[J].计算机应用,2009,29(10):2719-2722)。