基于机器学习的池塘养殖水质关键因子预测方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第16-27页 |
| 1.1 研究意义 | 第16-17页 |
| 1.2 国内外研究现状分析 | 第17-22页 |
| 1.3 研究目标与研究内容 | 第22-23页 |
| 1.4 研究方法与技术路线 | 第23-26页 |
| 1.5 特色与创新 | 第26-27页 |
| 第二章 池塘养殖水质数据获取方案设计及分析 | 第27-44页 |
| 2.1 引言 | 第27页 |
| 2.2 数据采集的主要方法 | 第27-28页 |
| 2.3 数据采集方案设计与实施 | 第28-33页 |
| 2.4 池塘水质数据统计规律研究 | 第33-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第三章 池塘养殖水质数据预处理方法研究 | 第44-63页 |
| 3.1 引言 | 第44-45页 |
| 3.2 材料与方法 | 第45-52页 |
| 3.3 改进数据降噪方法 | 第52-54页 |
| 3.4 结果与讨论 | 第54-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第四章 IPSO-LSSVM溶解氧预测方法研究 | 第63-83页 |
| 4.1 引言 | 第63-64页 |
| 4.2 方法介绍 | 第64-71页 |
| 4.3 基于融合数据的溶解氧预测模型 | 第71-75页 |
| 4.4 结果与讨论 | 第75-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第五章 基于极限学习机的氨氮软测量方法研究 | 第83-99页 |
| 5.1 引言 | 第83-84页 |
| 5.2 方法介绍 | 第84-88页 |
| 5.3 氨氮软测量模型构建 | 第88-92页 |
| 5.4 结果与讨论 | 第92-98页 |
| 5.5 本章小结 | 第98-99页 |
| 第六章 水质预测预警系统设计与开发 | 第99-110页 |
| 6.1 引言 | 第99页 |
| 6.2 池塘养殖水质预警策略设计 | 第99-101页 |
| 6.3 系统需求分析 | 第101-102页 |
| 6.4 系统设计 | 第102-106页 |
| 6.5 系统实现 | 第106-109页 |
| 6.6 本章小结 | 第109-110页 |
| 第七章 结论与展望 | 第110-112页 |
| 7.1 研究结论 | 第110-111页 |
| 7.2 研究展望 | 第111-112页 |
| 参考文献 | 第112-121页 |
| 致谢 | 第121-122页 |
| 个人简介 | 第122-124页 |
| 导师简介 | 第124页 |
