Page 210 - 《水产学报》2025年第12期

母刚，等 水产学报, 2025, 49(12): 129516

自动投饵量`automatic feeding amount
`automatic bait consumption
自动食饵量
人工投饵量`artificial feeding amount
人工食饵量`artificial bait consumption
13 000 13 000 自动：MAPE=0.041
微藻细胞量/(×10 5 个/mL) microalgae cell mass 10 000 实际食饵量/×10 5 个 actual bait consumption 11 000
R RMSE =226.61
12 000
12 000
人工：MAPE=0.043
R RMSE =456.7
11 000
10 000
9 000
9 000
8 000
8 000
7 000
6 000
人工变化`artificial change
6 000
5 000 7 000 自动变化 auto change
0 10 20 30 40 50 60 70 80 6 000 8 000 10 000 12 000
5
投饵时间/h 实际投饵量/10 个
feeding time actual feeding amount
(a) (b)
自动投饵量`automatic feeding amount
`automatic bait consumption
自动食饵量
人工投饵量`artificial feeding amount
人工食饵量`artificial bait consumption
8 000 8 000 自动：MAPE=0.020
微藻细胞量/(×10 5 个/mL) microalgae cell mass 7 400 实际食饵量/×10 5 个 actual bait consumption 7 000 R RMSE =194.15
7 800
R RMSE =149.33
7 600
7 500
人工：MAPE=0.039
7 200
7 000
6 800
6 600
6 500
6 400
6 200
6 000
人工变化 artificial change
5 800 6 000 自动变化 auto change
5 600 5 500
0 10 20 30 40 50 60 70 80 5 800 6 200 6 600 7 000 7 400 7 800
投饵时间/h 实际投饵量/10 个
5
feeding time actual feeding amount
(c) (d)
图 10 两种投饵方式决策性能对比
(a) 30 d 扇贝幼苗投饵量与食饵量随时间变化，(b) 30 d 扇贝幼苗投饵量与食饵量对比，(c) 42 d 扇贝幼苗投饵量与食饵量随时间变化，(d)
42 d 扇贝幼苗投饵量与食饵量对比。
Fig. 10 Comparison of decision-making performance of two feeding methods
(a) the feeding amount and feeding amount of 30 d P. yessoensis seedlings changed with time. (b) comparison of feeding amount and feeding amount of
P. yessoensis seedlings for 30 d. (c) the feeding amount and feeding amount of 42 d P. yessoensis seedlings changed with time. (d) comparison of feed-
ing amount and feeding amount of 42 d P. yessoensis seedlings.
水质检测平台，可以实现溶解氧、pH、氨氮、 经网络进行优化也较为常见。麻雀搜索算法是
磷酸盐 4 个水质参数的预测。本研究选择 BP Xue 等 [28] 于 2020 年基于麻雀觅食过程开发的一
神经网络构建的虾夷扇贝育苗投饵预测模型有 种新型群体智能算法。肖述辉等 [29] 建立了基于
生长天数、食饵量、水温 3 个输入向量，较为 改进麻雀搜索算法优化 BP 神经网络的管道腐
全面地考虑了影响虾夷扇贝育苗投饵的多个因 蚀速率预测模型。与 BP、SSA-BP、MIS-SSA-
素，用均方根误差和平均百分比绝对误差评价 BP 神经网络构建的预测模型做了对比，与真实
的决策性能也优于人工投饵，说明 BP 神经网 值的平均绝对误差、均方误差、均方根误差等
络适用于解决虾夷扇贝育苗投饵问题。 评价指标均最优。马宇欣等 [30] 建立了基于 PSO-
BP 神经网络有时也有局限性，例如陷入收 BP 的冬小麦叶片含水量估算，与 RF、LSTM
2
敛速度慢、局部最优解或过拟合等问题，从而 等 算 法 建 立 的 模 型 比 ， 拟 合 度 R 最 高 ， 为
影响模型的精度，因此选择各种方法对 BP 神 0.816。本研究的虾夷扇贝投饵预测模型是基于

中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
9