"基于NAR神经网络对养殖水体亚硝酸盐预测模型的研究"
基于NAR神经网络的养殖水体亚硝酸盐预测模型研究是一篇关于水产养殖领域的研究论文。这篇论文的主要内容是基于NAR神经网络建立了一种预测模型,用于预测养殖水体中的亚硝酸盐含量变化趋势。
在这篇论文中,作者首先介绍了亚硝酸盐在水环境中的重要性和危害性,然后对传统机理建模和BP神经网络进行了比较,最后选择了NAR神经网络建立预测模型。通过对2014年6-10月的观测数据进行建模,建立了用于养殖水体亚硝酸盐模拟的NAR神经网络,并 利用2014年11月的观测数据对模型的模拟能力进行了检验。
研究结果表明,基于NAR神经网络建立的预测模型,可以很好地模拟水体中的亚硝酸盐浓度变化趋势,模拟的绝对误差平均值为0.0016ms/L, Nash效率系数为0.72。这表明,基于NAR神经网络建立的预测模型,在养殖水体亚硝酸盐含量变化预测中具有很强的非线性动态描述能力,对养殖水体中的亚硝酸盐预测有较好适应性和预测精度。
在这篇论文中,作者还对NAR神经网络的原理和方法进行了介绍。NAR模型是Nonlinear Auto-Regressive Model的缩写,属于非线性时间序列模型。NAR模型可以对时间序列数据进行建模和预测,是一种非常有用的时间序列预测模型。
此外,作者还对数据采集和研究方法进行了介绍。在这篇论文中,作者选择了安徽省农业科学研究院岗集养殖基地的4个草鱼苗养殖塘口,进行了养殖水体数据采集。作者对采集的数据进行了分组,2014年6-10月的观测数据作为建模样本,11月的观测数据作为预测样本。
这篇论文的主要贡献是基于NAR神经网络建立了一种预测模型,用于预测养殖水体中的亚硝酸盐含量变化趋势。这篇论文的研究结果对水产养殖领域的发展具有重要意义,对提高养殖产品质量、降低养殖成本、防止鱼病发生具有重要作用。