Resumen

El contenido de oxígeno disuelto (OD) es un aspecto importante de la calidad del agua en acuicultura. La predicción del oxígeno disuelto puede evitar a tiempo las pérdidas económicas causadas por un contenido inadecuado de oxígeno disuelto y la predicción tridimensional puede lograr una orientación más precisa y global. Por lo tanto, este estudio presenta un modelo de predicción tridimensional a corto plazo del oxígeno disuelto en estanques de acuicultura de cangrejos basado en la red neuronal artificial de retropropagación (BPANN) optimizada por la optimización de enjambre de partículas (PSO), que se acopló con el método Kriging. En este modelo, se adopta el análisis wavelet para la eliminación de ruido, se utiliza BPANN optimizada por PSO para el análisis de datos y la predicción unidimensional, y se utiliza el método Kriging para la predicción tridimensional. En comparación con el modelo de predicción unidimensional tradicional, el modelo tridimensional tiene una reacción más real del contenido de oxígeno disuelto en el entorno de crecimiento de los cangrejos. En particular, se evalúan los méritos de PSO frente al algoritmo genético (GA). El error cuadrático medio (RMSE), el error absoluto medio (MAE) y el error porcentual absoluto medio (MAPE) para el modelo PSO son 0,136445, 0,90534 y 0,15384, respectivamente, mientras que para el modelo GA los valores son 2,04184, 1,18316 y 0,21014, respectivamente. Además, los resultados del experimento de validación cruzada muestran que el error medio de este modelo es de 0,0705 (mg/L). En consecuencia, este estudio sugiere que el modelo de predicción funciona de forma satisfactoria.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Oxígeno disuelto; calidad del agua; acuicultura; modelo de predicción; red neuronal artificial; optimización por enjambre de partículas.
• Keywords:Dissolved oxygen; water quality; aquaculture; prediction model; artificial neural network; particle swarm optimization