典彩華，田云臣,2,通信作者

基于機(jī)器學(xué)習(xí)的梭鱸魚生長發(fā)育模型

典彩華1，田云臣1,2,通信作者

（1. 天津農(nóng)學(xué)院 計(jì)算機(jī)與信息工程學(xué)院，天津 300392；2. 天津市水產(chǎn)生態(tài)與養(yǎng)殖魚點(diǎn)實(shí)驗(yàn)室，天津 300392）

基于大數(shù)據(jù)、人工智能建立魚類生長發(fā)育模型以實(shí)現(xiàn)水產(chǎn)養(yǎng)殖精細(xì)管理已成為關(guān)注的熱點(diǎn)。本文介紹了梭鱸魚養(yǎng)殖數(shù)據(jù)的來源以及采集、定性特征的處理等數(shù)據(jù)預(yù)處理方法，然后介紹了利用因子分析和主成分分析兩種方法進(jìn)行降維處理的步驟，最后詳細(xì)介紹了機(jī)器學(xué)習(xí)數(shù)據(jù)集劃分方法和運(yùn)用BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、XGBoost 3種方法建立梭鱸魚生長發(fā)育模型并對模型進(jìn)行驗(yàn)證的方法和過程。結(jié)果表明，基于隨機(jī)劃分?jǐn)?shù)據(jù)集、采用BP神經(jīng)網(wǎng)絡(luò)和主成分分析方法建立的模型對梭鱸魚生長發(fā)育的預(yù)測效果最好。

梭鱸魚；生長發(fā)育模型；機(jī)器學(xué)習(xí)；數(shù)據(jù)處理；影響因子

梭鱸魚生長速度快，肌間刺少，蛋白質(zhì)含量高，脂肪含量少，口感好，被稱為“淡水魚王”[1]。1993年以來，我國已有多個(gè)省開展了梭鱸魚養(yǎng)殖，總結(jié)出較合理的養(yǎng)殖技術(shù)[2-3]。同時(shí)，研究人員對飼料類型[4]、溫度[5]、氨氮和硝酸鹽濃度[6]、放養(yǎng)密度[7]、二氧化碳[8]、溶解氧、光照強(qiáng)度、光周期等[9]因子對梭鱸魚的生長發(fā)育影響進(jìn)行了研究，進(jìn)一步促進(jìn)了梭鱸魚養(yǎng)殖技術(shù)發(fā)展。但這些研究多限于簡單因子與梭鱸魚生長發(fā)育之間的關(guān)系，尚未涉及多因子對梭鱸魚生長的影響。應(yīng)用大數(shù)據(jù)、人工智能技術(shù)建立梭鱸魚生長發(fā)育模型，為揭示多因子與梭鱸魚生長發(fā)育之間的關(guān)系、實(shí)現(xiàn)精細(xì)管理提供了新的途徑和方法。

1 數(shù)據(jù)采集

本研究數(shù)據(jù)來源于天津市天祥水產(chǎn)有限責(zé)任公司。公司養(yǎng)殖基地位于天津市寧河區(qū)苗莊鎮(zhèn)，共有梭鱸魚養(yǎng)殖池塘10個(gè)，每個(gè)池塘面積約1 333.3 m2，水深約2.8 m。一部分?jǐn)?shù)據(jù)通過在現(xiàn)場測量獲取，另外一部分通過整理歷史記錄獲取。共采集到2017.5.3至2019.4.23期間數(shù)據(jù)記錄710條。

對采集數(shù)據(jù)進(jìn)行匯總、整理后發(fā)現(xiàn)，日換水量、溫度等數(shù)據(jù)部分缺失，病害情況、防治方案完全缺失。原始數(shù)據(jù)缺失情況見表1。

表1 原始數(shù)據(jù)缺失情況統(tǒng)計(jì)表

2 數(shù)據(jù)預(yù)處理及特征選取

2.1 數(shù)據(jù)預(yù)處理

將數(shù)據(jù)完全缺失的兩項(xiàng)特征（病害情況、防治方案）和取值恒定的特征（日換水量、餌料名稱）直接刪除；對缺失率較低的特征（溫度、pH值以及亞硝酸鹽）采取3次樣條插值[10]。插補(bǔ)結(jié)果如圖1所示。

對于天氣、藻類等定性特征，為其指定定量值進(jìn)行替代。見表2、表3。

表2 天氣數(shù)據(jù)處理結(jié)果

表3 藻類數(shù)據(jù)處理結(jié)果

2.2 特征選取

采集的原始數(shù)據(jù)共有24個(gè)特征項(xiàng)，部分特征之間存在等效關(guān)系，可以相互替代，最終確定溫度、溶解氧、pH值、亞硝酸鹽、氨氮、透明度、藻類組成、投喂頻率、日投餌量、立方重量、養(yǎng)殖密度、前一階段平均體重、當(dāng)前平均體重等13個(gè)特征進(jìn)行后續(xù)分析（表4）。

表4 最終確定特征變量

利用Python編程計(jì)算皮爾遜相關(guān)系數(shù)、斯皮爾曼相關(guān)系數(shù)、肯德爾相關(guān)系數(shù)[11]，從而對自變量與因變量、自變量與自變量之間的相關(guān)性進(jìn)行分析。結(jié)果分別見表5、表6。

表5 自變量與因變量的3種相關(guān)系數(shù)表

表6 自變量相關(guān)性分析結(jié)果表

分析表5可知，自變量與因變量之間具有較強(qiáng)的相關(guān)性，選取的13個(gè)特征變量較合理。分析表6可知，自變量之間存在一定的相關(guān)性，需要進(jìn)行數(shù)據(jù)降維處理。

3 數(shù)據(jù)降維處理

3.1 KMO檢驗(yàn)和Bartlett球形檢驗(yàn)

KMO檢驗(yàn)是用于比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)。KMO值越接近于1，原有變量越適合作因子分析或主成分分析[12]。表7中KMO值大于0.6，且通過了Bartlett球度檢驗(yàn)，說明樣本數(shù)據(jù)適合進(jìn)行因子分析和主成分分析。

表7 KMO檢驗(yàn)結(jié)果

3.2 因子分析法

利用SPSS 17.0軟件進(jìn)行因子分析可得碎石圖[13]，如圖2所示。

由圖2可見拐點(diǎn)出現(xiàn)在第5個(gè)因子處，因此可選擇前5個(gè)因子進(jìn)行建模。

3.3 主成分分析法

利用MATLAB進(jìn)行主成分分析，得到各主成分的方差累計(jì)貢獻(xiàn)率[14]，見表8。

表8 各主成分的方差累計(jì)貢獻(xiàn)率表

分析表8可知，前5個(gè)主成分的累計(jì)貢獻(xiàn)率為85.120%。一般，當(dāng)累積貢獻(xiàn)率超過85%時(shí)，無需再提取新的主成分[15]。

4 模型設(shè)計(jì)與驗(yàn)證

通過按照年份劃分、隨機(jī)劃分兩種方法確定訓(xùn)練集和測試集[16]。按照年份劃分將2017—2018年的數(shù)據(jù)作為訓(xùn)練集，共350行數(shù)據(jù)，將2018—2019年的數(shù)據(jù)作為測試集，共360行數(shù)據(jù)。隨機(jī)劃分則設(shè)定隨機(jī)數(shù)的范圍為1～710，隨機(jī)生成350個(gè)不重復(fù)的值，然后從數(shù)據(jù)集中選取下標(biāo)在這350個(gè)數(shù)值中的記錄組成訓(xùn)練集。

4.1 模型設(shè)計(jì)

分別采用BP神經(jīng)網(wǎng)絡(luò)[17]、支持向量機(jī)（SVM）[18]以及XGBoost[19]方法進(jìn)行模型設(shè)計(jì)。

4.1.1 BP神經(jīng)網(wǎng)絡(luò)

構(gòu)建了3層BP神經(jīng)網(wǎng)絡(luò)模型。根據(jù)自變量數(shù)量確定輸入層節(jié)點(diǎn)數(shù)為5、根據(jù)因變量數(shù)量確定輸出層節(jié)點(diǎn)數(shù)為1，結(jié)合輸入節(jié)點(diǎn)數(shù)和輸出節(jié)點(diǎn)數(shù)可確定最優(yōu)隱含層節(jié)點(diǎn)個(gè)數(shù)的大致范圍，計(jì)算方法為：

式中n表示輸入層節(jié)點(diǎn)個(gè)數(shù)，0表示輸出層節(jié)點(diǎn)個(gè)數(shù)，是一個(gè)1～10范圍內(nèi)的整數(shù)，是待求解的隱含層節(jié)點(diǎn)個(gè)數(shù)。計(jì)算可知最優(yōu)隱含層節(jié)點(diǎn)個(gè)數(shù)范圍為4～13。采用控制變量法確定神經(jīng)網(wǎng)絡(luò)的激活函數(shù)、訓(xùn)練函數(shù)、隱含層節(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)學(xué)習(xí)率等的取值，如表9所示。

表9 基于BP神經(jīng)網(wǎng)絡(luò)針對4種組合建立的模型最佳參數(shù)表

4.1.2 SVM

構(gòu)建SVM模型需要選擇最合適的核函數(shù)以及兩個(gè)重要的參數(shù)c和gamma（簡寫為g）。采用控制變量法確定取值，如表10所示。

表10 基于SVM針對4種組合建立的模型最佳參數(shù)表

4.1.3 XGBoost

構(gòu)建XGBoost模型需要考慮的參數(shù)有、、、、、、、、等。采用控制變量法確定取值，如表11所示。

表11 基于XGBoost針對4種組合建立的模型最佳參數(shù)表

4.2 模型驗(yàn)證

利用按照年份劃分、隨機(jī)劃分確定的測試集數(shù)據(jù)對建立的模型進(jìn)行驗(yàn)證。評價(jià)模型主要有3個(gè)常用標(biāo)準(zhǔn)，分別是：均方差（）、平均絕對值誤差（）以及擬合優(yōu)度（2）[20]。

4.2.1 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果分析見表12，測試集中預(yù)測值和真實(shí)值的對比見圖3。

表12 BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果分析表

由表12和圖3可知，采用BP神經(jīng)網(wǎng)絡(luò)模型可以對梭鱸魚的生長發(fā)育進(jìn)行有效預(yù)測，預(yù)測值和真實(shí)值之間誤差較小。

4.2.2 SVM

SVM預(yù)測結(jié)果分析見表13，測試集中預(yù)測值和真實(shí)值的對比見圖4。

表13 SVM預(yù)測結(jié)果分析表

由表13和圖4可知，采用SVM模型對梭鱸魚的生長發(fā)育預(yù)測得到的值比較接近真實(shí)值，由此可斷定SVM模型可以對梭鱸魚的生長發(fā)育進(jìn)行有效預(yù)測。

4.2.3 XGBoost

XGBoost預(yù)測結(jié)果分析見表14，測試集中預(yù)測值和真實(shí)值的對比見圖5。由表14和圖5可知，XGBoost模型可以對梭鱸魚養(yǎng)殖初期和中期進(jìn)行精準(zhǔn)預(yù)測，但是對于梭鱸魚養(yǎng)殖后期預(yù)測效果較差。根據(jù)3項(xiàng)指標(biāo)值的整體情況可知，采用XGBoost模型可以對梭鱸魚的生長發(fā)育進(jìn)行有效預(yù)測。

表14 XGBoost預(yù)測結(jié)果分析表

5 結(jié)論

利用BP神經(jīng)網(wǎng)絡(luò)、SVM和XGBoost方法建立的模型總體上均可對梭鱸魚的生長發(fā)育進(jìn)行預(yù)測。利用均方差、平均絕對值誤差以及擬合優(yōu)度分別對建立的模型進(jìn)行綜合評價(jià)后發(fā)現(xiàn)，3種方法建立的模型表現(xiàn)有所不同，見表15。

表15 各模型預(yù)測結(jié)果分析比較表

由表15可知：

（1）利用主成分分析和因子分析兩種降維方法建立的模型都可以比較準(zhǔn)確地預(yù)測梭鱸魚的生長。但是，除采用SVM并按照年份劃分?jǐn)?shù)據(jù)集訓(xùn)練模型外，其他組對比試驗(yàn)都顯示基于主成分分析處理數(shù)據(jù)訓(xùn)練得到的模型優(yōu)于基于因子分析處理數(shù)據(jù)訓(xùn)練得到的模型。

（2）利用按照年份和隨機(jī)兩種劃分?jǐn)?shù)據(jù)集方法建立的模型都可以比較準(zhǔn)確地預(yù)測梭鱸魚的生長。但是，隨機(jī)劃分?jǐn)?shù)據(jù)集建立的模型預(yù)測精確度和效果明顯優(yōu)于按照年劃分?jǐn)?shù)據(jù)集建立的模型。因?yàn)殡S機(jī)劃分?jǐn)?shù)據(jù)集在訓(xùn)練模型的時(shí)候可以利用不同年份的數(shù)據(jù)，而按照年份劃分?jǐn)?shù)據(jù)集訓(xùn)練出來的模型在一定程度上受訓(xùn)練集所在年份的影響，難以精準(zhǔn)預(yù)測其他年份的數(shù)據(jù)。

（3）利用3種機(jī)器學(xué)習(xí)方法所建立的模型都可以比較準(zhǔn)確地預(yù)測梭鱸魚的生長。無論是按照年份還是隨機(jī)劃分?jǐn)?shù)據(jù)集，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練出來的模型都優(yōu)于其他兩種方法。其中，XGBoost模型對于梭鱸魚養(yǎng)殖后期的預(yù)測效果很差，基于隨機(jī)劃分?jǐn)?shù)據(jù)集、采用BP神經(jīng)網(wǎng)絡(luò)和主成分分析法建立的模型預(yù)測結(jié)果最佳。

[1] 曹桂新，姜正炎，李勝忠，等. 梭鱸含肉率及營養(yǎng)成分分析[J]. 水利漁業(yè)，2000，20（6）：3-4.

[2] GUO J Q，LI C J，TENG T，et al. Construction of the first high-density genetic linkage map of pikeperch.（）using specific length amplified fragment（SLAF）sequencing and QTL analysis of growth-related traits[J]. Aquaculture，2018，497：299-305.

[3] HAN X F，LING Q F，LI C J，et al. Characterization of pikeperch（）transcription and development of SSR markers[J]. Biochemical Systematics and Ecology，2016，66：188-195.

[4] 陳佳毅，葉元土，張偉濤，等. 不同脂肪（能量）蛋白比飼料對梭鱸幼魚生長的影響[J]. 水產(chǎn)學(xué)報(bào)，2010，34（3）：474-478.

[5] 付監(jiān)貴，張振早，李彩娟，等. 溫度對不同體質(zhì)量梭鱸幼魚耗氧率、排氨率及窒息點(diǎn)的影響[J]. 水產(chǎn)養(yǎng)殖，2018，39（10）：18-22.

[6] EDWARD S，JONATHAN A C，WOUT A，et al. The impact of elevated water ammonia and nitrate concentrations on physiology growth and feed intake of pikeperch（）[J]. Aquaculture，2014，420：95-104.

[7] MACIEJ S，ZDZIS?AW Z. Effect of stocking density on survival and growth performance of pikeperch，（L），larvae under controlled conditions[J]. Aquacultint，2017，15：67-81.

[8] KATHRIN S，JAN Z，KEVIN T S，et al. The effect of carbon dioxide on growth and energy metabolism in pikeperch（）[J]. Aquaculture，2017，481：162-168.

[9] SéBASTIEN B，BAPTISTE R，SYAGHALIRWA N M，et al. Multifactorial analyses revealed optimal aquaculture modalities improving husbandry fitness without clear effect on stress and immune status of pikeperch[J]. General and Comparative Endocrinology，2018，258：194-204.

[10] 郭小樂. 基于matlab的常見插值法及其應(yīng)用[J]. 赤峰學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，33（7）：5-7.

[11] 解素雯. 基于主成分分析與因子分析數(shù)學(xué)模型的應(yīng)用研究[D]. 青島：山東理工大學(xué)，2016.

[12]李亞蘭. 基于因子分析的CM公司財(cái)務(wù)績效評價(jià)[D]. 廣州：華南理工大學(xué)，2014.

[13] 黃蓉. 基于主成分分析和模糊綜合評價(jià)的機(jī)場員工績效評價(jià)研究[D]. 西安：西安理工大學(xué)，2017.

[14] 劉詩蘊(yùn). 基于因子分析的商業(yè)銀行績效評價(jià)[D]. 成都：西南財(cái)經(jīng)大學(xué)，2014.

[15]董曉青. 基于主成分分析我國外匯儲備影響因素研 究[D]. 濟(jì)南：山東大學(xué)，2014.

[16] 王俊. 基于支持向量機(jī)建模的非線性預(yù)測控制研 究[D]. 北京：北京交通大學(xué)，2014.

[17]馬學(xué)欣. 一種多因子融合的BP神經(jīng)網(wǎng)絡(luò)樹木生長模型研究[D]. 杭州：浙江農(nóng)林大學(xué)，2019.

[18]陳永健. 半監(jiān)督支持向量機(jī)分類方法研究[D]. 西安：陜西師范大學(xué)，2014.

[19]萬志超. 基于XGBoost的不平衡分類方法研究[D]. 合肥：安徽大學(xué)，2018.

[20]姜尚炎. 基于大數(shù)據(jù)的公交線網(wǎng)速度預(yù)測模型研 究[D]. 北京：北京交通大學(xué)，2019.

Growth and development model of pike perch based on machine learning methods

Dian Caihua1, Tian Yunchen1,2,Corresponding Author

（1. College of Computer and Information Engineering, Tianjin Agricultural University, Tianjin 300392, China; 2. Tianjin Key Lab of Aqua-ecology and Aquaculture, Tianjin 300392, China）

Establishing fish growth and development models based on big data and artificial intelligence technology to achieve fine management has become a hotspot in the aquaculture industry. This article introduced the data preprocessing methods such as the source and collection of pike perch farming data and qualitative feature processing, then the steps of dimensionality reduction using factor analysis and principal component analysis, and finally the method of dividing the machine learning data set and the steps of using BP neural network, support vector machine, XGBoost to establish the growth model of pikeperch. The analysis of the established models showed that the models based on randomly divided data sets, BP neural network and principal component analysis are the best predictors for the growth and development of pikeperch.

Pike perch; growth model; machine learning; data preprocessing; impact factor

S966

A

1008-5394（2021）02-0072-07

10.19640/j.cnki.jtau.2021.02.015

2020-09-14

財(cái)政部和農(nóng)業(yè)農(nóng)村部：國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系（CARS-47）；天津市海水養(yǎng)殖現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系（ITTMRS2021012）

典彩華（1983—），女，碩士在讀，研究方向?yàn)樗a(chǎn)信息化。E-mail：longago172@sohu.com。

田云臣（1967—），男，教授，碩士，主要從事農(nóng)業(yè)信息技術(shù)研究工作。 E-mail：tianyunchen@tjau.edu.cn。

責(zé)任編輯：張愛婷