排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
预测海水网箱养殖网箱转移时期的模型研究 总被引：1，自引：0，他引：1
以象山港养殖区监测数据为例,在充分考虑养殖区各个环境因子的基础上,应用贝叶斯网络模型来判断网箱转移时期,以期为开发养殖和环境协调发展的健康养殖模式提供科学参考和决策依据.贝叶斯网是图形表示和概率知识的有机结合,是复杂联合概率分布的图形表示方式,它提供了一种自然的表示因果信息的方法,用来发现数据间的潜在关系.在这个网络中,用节点表示变量,有向边表示变量间的依赖关系,以条件概率表示变量之间影响的程度.凭借因果知识就能在了解一些行为和结果的关系下,有原因地解释可能出现的结果,进行预测和决策.使用贝叶斯网建模已成为表达不确定性知识和进行不确定性推理的强有力工具.海水养殖水环境系统是一个多因素多水平耦合作用的复杂不确定系统.首先通过主成分分析选取水温、pH、DO、COD等10个模型指标,然后结合专家知识和给定数据,利用K2和MCMC算法的优势,采用模型平均思路构造了海水网箱养殖水环境各水质因子与网箱是否移动之间的关系模型,进而确定在一定水质条件下网箱移动的概率,为网箱移动情况进行预测及诊断,结果表明:与网箱移动直接有关的是COD、NO2--N、pH、微生物降解能力、叶绿素a和DO这6个指标,它们是影响网箱移动的主导因素,而水温、无机磷、NO3--N和NH4+-N这4个指标对网箱移动不产生直接影响.以200条数据对模型进行验证表明本文建立的网箱移动预测模型其预测精度达94.23%,Kappa指数为0.868,这说明应用贝叶斯网络模型来判断网箱转移时期是可行的,具有非常好的应用前景. 相似文献
2.
贝叶斯网络具有强大的推理能力,能与先验知识和数据结合,进行定性和定量分析,提供了1条有效的处理预测问题的途径,本文首先介绍了贝叶斯网络基本理论及其特点,并讨论如何学习贝叶斯网络结构,然后由专家知识和给定数据,采用基于依赖分析的贝叶斯网络学习算法构造了海底网箱养殖水环境指标间的贝叶斯网结构模型.该模型能有效的表达网箱养殖环境各个指标之间的因果关系和影响程度,实验结果表明,试验数据显示准确性是92.3%,kappa指数是0.882.以上证明该方法是有效可行的,表明贝叶斯网络是一种很有前途的预测评价方法. 相似文献
1