全 文 ：第 2卷第 2期
2 0 0 6年 4月
南 　方 　水 　产
Sou th China F isheries Science
Vo l.2, No. 2
Apr. , 2006
收稿日期:2005-11-21;修回日期:2006-01-10
资助项目:国家高技术研究发展计划 (863计划)项目 (2001AA627030);广东省重大科技专项 (2004A30501001)
作者简介:黄洪辉 (1972 -), 男 , 博士 , 副研究员 , 从事海洋生态和海洋环境科学研究。 E-m ail: jxhuanghh@21cn. com
通讯作者:张汉华 , E-m ail:zhh502@ tom. com
江蓠与对虾混养的神经-模糊优化模型初探
黄洪辉 , 张汉华 , 吴进锋 , 梁超愉 , 李卓佳
(农业部渔业生态环境重点开放实验室 , 广东省渔业生态环境重点实验室 ,
中国水产科学研究院南海水产研究所 , 广东 广州 510300)
摘要:根据 2003年 4月 ～ 2004年 9月在广东省海丰县联安镇江蓠-对虾鱼塭混养试验所得调查数据 , 采用神经-
模糊系统作为非线性逼近工具 , 建立了虾藻混合养殖过程中各生物和水环境因子之间非线性关系的神经-模糊系
统模型。以鱼塭水环境中可溶性无机氮 DIN≤0. 2 m g L- 1作为富营养化限制标准 , 模型模拟出了对虾不同养殖阶
段混养江蓠所需的最低理论生长速率。其结果较好地反映了混养系统中江蓠的实际生长速率对水环境中 DIN所
产生的影响。
关键词:江蓠;对虾;混养;神经-模糊系统
中图分类号:S967. 4;X835. 03　　　文献标识码:A 文章编号:1673 -2227 - (2006) 02 - 0020 -05
Prelmi inary study on the neuro-fuzzy optmi ization
model in the polyculture system ofGracilaria
tenuistipita ta v. and Penaeusmonodom
HUANG Honghui, ZHANG Hanhua, WU Jinfeng, LIANG Chaoyu, LIZhuo jia
(Key and Open Lab. of F ishery E cology＆Environm en t, M inistry of Agriculture;Key Lab. of F ishery
Ecology＆Env ironm ent, Guangdong Province;South China S ea F isheries Research Institu te,
ChineseAcadem y of F ishery Sciences, Guangzhou 510300, Ch ina)
Abstrac t:Based on the survey da ta in po lyculture pond sy stem o fGracilaria tenuistipitata v. and P enaeus monodom in L ian′an tow n
H aifeng county Guangdong prov ince, China from April 2002 to Septem be r2003, a neuro-fuzzy sy stem modelw as deve loped to de scribe
the non-linea r re lationships am ong the bio log ica l and phy sicochem ica l fac to rs in pond in different g row th phase o fP enaeus monodom.
Them ode l sim ula ted the theo re tic low est g row th ra te o fGracilaria tenu istipitata v. in d iffe rent g row th phase ofP enaeusmonodom w ithin
the eutrophication restric t crite ria o f disso lved nitrogen in w a te r D IN≤0.2 mg L- 1 . The simu la ted re su lts w e ll re flec ted the e ffec t of
actua l g row th rate ofGracilaria tenuistipitata v. on the D IN in polycu lture pond system.
K ey words:Gracilaria tenuistipita ta v.;Penaeusm onodom;po ly cu ltu re;neuro-fuzzy sy stem
　　自 20世纪 70年代末以来 , 对虾池塘养殖在世
界广大沿海地区得到了迅猛发展 , 但对虾养殖所带
来的环境问题也日趋严重 , 成为沿岸水域富营养化
的重要污染源之一 , 并已引起了人们的广泛关
注[ 1 -6] 。而要使对虾养殖在不产生环境公害的前提
下 , 以最低的成本达到最大的效益 , 则基于生态养
　
第 2期
　
黄洪辉等:江蓠与对虾混养的神经-模糊优化模型初探
　
21　
殖而建立的虾藻混养模式无疑是集经济 、 环境和社
会效益于一体的最佳选择 , 这一模式在世界范围内
得到了广泛肯定 [ 7 - 10] 。但虾藻混养模式效益的发
挥是否充分 , 混养结构是否合理 , 经济效益和环境
效益是否显著等问题都有待作深入的研究 。
江蓠-对虾混养系统是一种受气候 、 海水化学
和生物等多种因素共同影响的复杂生态系统 , 各因
素间也存在着极其复杂的非线性关系 。因此 , 在对
整个养殖系统的生态动力学过程缺乏较全面的了解
和充足的数据资料的情况下 , 想通过建立复杂的江
蓠-对虾混养系统生态动力学模型 , 模拟虾藻混养
与环境因子之间的关系 , 从而构建混养优化模型是
不现实的。
人工神经网络是 20世纪 80年代以来获得迅速
发展和被广泛应用于众多学科的非线性模拟技术 ,
对于处理非线性系统非常有效 , 因此 , 在生态学研
究中也被广泛应用[ 11 -15] 。本文根据对广东省海丰
县联安镇江蓠与对虾鱼塭混养的调查资料 , 尝试采
用神经-模糊系统 (neu ro-fuzzy sy stem)作为非线性
逼近工具 , 来模拟虾藻混养过程与其他环境因子之
间的非线性关系 , 从而初步探讨建立基于满足一定
环境条件的虾藻混养优化模型 , 旨在为进一步优化
我国海水虾藻混养模式提供参考。
1　材料与方法
1.1　试验设计
2003年 4月 ～ 2004年 9月 , 在广东省海丰县
联安镇对虾鱼塭养殖示范区选择新塭 (26.7 hm 2)
作为虾藻混合养殖试验塭 , 另选新塭和西塭之间的
13.3 hm 2鱼塭作为对照塭进行了 2造养殖生产试
验 。试验塭和对照塭皆于每年的 4月下旬投放体长
约 1cm的斑节对虾虾苗 , 投放密度为 4.5万尾
hm
-2 , 其中在试验塭浅滩水域底播种植江蓠约 2
hm
2 , 种植初始密度为 230 g m -2 , 而对照塭不种
植江蓠 。
对虾放养 1个月后开始投喂人工配合饲料 , 投
喂量为虾体重的 3% ～ 5%。每 10 d进行 1次对虾
的生物学测定 , 每月月末对江蓠的生长密度进行 1
次调查 , 了解单位面积月增重情况 , 并据情况进行
适当的收获 。此外 , 与江蓠生长密度调查的同时 ,
对鱼塭中的水环境因子也进行跟踪监测 , 监测项目
有水温 、 盐度 、 透明度 、 溶解氧 (DO)和可溶性
无机氮 (D IN)。
1.2　建模工具
神经-模糊系统是在模糊模型中用神经网络作
为工具的建模方法 。它集成了神经网络与模糊系统
2方面的长处 , 即神经网络的连接式结构与学习能
力和模糊逻辑系统的思维与推理能力。神经网络与
模糊系统都属于无模型的预报器 (model-free esti-
m ator), 即不需要数学模型来描述输入输出的非线
性关系 , 而从数值实例中进行学习 。在不确定 、 不
精确和噪声环境中它们都有改善系统性能的能力 。
本文应用 M atlab 6.5软件 , 采用一种一阶 Tak-
agi-Sugeno模型的神经模糊系统 , 即基于自适应网
格的模糊推理系统 (adap tive-ne tw ork-based fuzzy
inference sy stem , 简称 ANFIS)作为建模工具 。
2　神经-模糊系统模型的构建
一个典型的建模问题包括结构辩识与参数辩识
2部分。模糊建模的结构辩识包括以下几个主要方
面:输入变量的选择;初试结构的确定 , 如输入空
间的划分 , 模糊规则与每个输入变量隶属函数个数
的确定 , 以及模糊规则的前提与结论部分的确定
等;隶属函数初试值的选择。参数辩识即在网络结
构已经确定的情况下 , 对系统的前提与结论参数进
行调节。
2.1　数据与特征量
收集 2003年 4月 ～ 2004年 9月试验塭和对照
塭 2造养殖生产中所得的 22组现场调查和测定数
据 (表 1)。选择其中 15组数据作为训练数据集 ,
用于模型的训练;其余 7组数据作为测试数据集 ,
用来测试模型的精度。
以 D IN表征水体富营养化的主要因子作为模
型的输出变量 。模型输入变量选择了水温 、盐度 、
溶解氧 (DO)、透明度 (Trans)、 对虾生物学参数
的体长和江蓠单位面积月增长量 , 其中 , 水温和盐
度表征气候特征 , 透明度 、溶解氧 、对虾体长和江
蓠单位面积月生长量表征化学因子和生物因子的作
用。
　
22　
　
南　方　水　产
　
第 2卷
表 1　构建模型的数据集
Tab.1　Da ta formodel construction
时间
tim e
鱼塭
pond
温度 /℃
temperature
盐度
sa linity
透明度 /m
transpa rency
DO
/m g L- 1
对虾体长 /cm
shrimp leng th
江蓠月增长量 /g m - 2
m onth ly increasing
biom ass
D IN
/mg L - 1
训练数据集　　 training da ta
2003 -5 对照塭 26. 1 19.5 0. 8 6.3 4. 8 0 0.310
2003 -6 试验塭 28. 2 18.7 0. 8 6.5 8. 3 180 0.322
2003 -6 对照塭 28. 5 18.4 0. 7 6.3 7 0 0.312
2003 -7 对照塭 27. 5 16.8 0. 8 6.2 12. 6 0 0.246
2003 -8 试验塭 28. 3 12.4 0. 8 6.7 15. 4 350 0.175
2003 -9 对照塭 28. 8 15.2 0. 7 6.3 14. 4 0 0.244
2004 -4 对照塭 24. 7 20.9 0. 7 6.5 1. 7 0 0.248
2004 -5 对照塭 25. 9 19.1 0. 7 6.6 5 0 0.264
2004 -6 试验塭 27. 8 18.4 0. 7 6.4 8. 2 540 0.101
2004 -6 对照塭 28. 2 18.2 0. 7 6.3 7. 1 0 0.259
2004 -7 试验塭 27. 4 15.6 0. 6 6.5 14. 6 570 0.103
2004 -7 对照塭 27. 2 15.7 0. 7 6.3 12. 4 0 0.269
2004 -8 试验塭 28. 2 11.7 0. 6 6.6 15. 3 570 0.086
2004 -9 试验塭 29. 0 15.1 0. 6 6.6 16. 5 600 0.099
2004 -9 对照塭 28. 7 14.8 0. 6 6.8 14. 3 0 0.267
测试数据集　　 check ing da ta
2003 -5 试验塭 26. 5 19.2 0. 7 6.4 5. 2 230 0.295
2003 -7 试验塭 27. 6 16.5 0. 8 6.2 14.2 640 0.194
2003 -8 对照塭 28. 6 11.7 0. 8 6.1 13.2 0 0.252
2003 -9 试验塭 28. 9 15.4 0. 8 7.1 16.3 350 0.182
2004 -4 试验塭 25. 3 21.2 0. 8 6.6 1. 7 610 0.092
2004 -5 试验塭 26. 1 18.5 0. 7 6.2 5. 2 600 0.099
2004 -8 对照塭 28. 5 11.9 0. 8 5.8 13.3 0 0.237
2.2　神经-模糊系统模型的生成
由于以 DIN为输出时的输入变量有 6个之多 ,
因此本研究采用了基于减法聚类的模糊推理系统的
建模方法 , 即首先对输入输出数据进行减法聚类 ,
以决定变量的隶属函数与模糊规则的个数 , 并用最
小二乘法估计结论参数。
3　结果与讨论
将训练数据集导入模型 , 按混合学习算法来调
节模型的参数 , 为避免过度训练 , 采用交叉校验得
到最佳训练时间步数。结果所得模型的 D IN输出
值与实测值有很好的吻合性 , 误差仅为 2.6 ×
10
- 6。
将测试数据集导入模型 , 结果模型所模拟的鱼
塭水体中 DIN值与实测值也有较好的吻合性 , 误
差为 0.032。成对样本 t-检验表明 , 模拟值与实测
值没有显著差异 (P >0.05, t <2.45), 即 t=
0.63。图 1给出模型对 D IN的 7个测试数据集的模
型计算值与实测值的比较 , 由图也可见 , 测试数据
集中的实测值与模型计算值呈极显著的正相关关系
(P <0.01), 可见 , 模型对鱼塭水体中 DIN的模拟
计算结果有较高的精度 。
将试验塭和对照塭水体中各生物与环境因子在
2造养殖生产试验中各阶段调查结果的平均值作为
模型的输入 , 以海水 D IN≤0.2 mg L -1作为海水富
营养化限制标准[ 16 - 17] , 并作为模型的固定输出量 ,
则通过模型可以模拟出在对虾不同养殖阶段 , 混合
养殖的江蓠最低理论月生长量 , 结果见表 2。
　
第 2期
　
黄洪辉等:江蓠与对虾混养的神经-模糊优化模型初探
　
23　
表 2　模型模拟出的对虾不同养殖阶段江蓠最低理论月生长量与实际生长量的比较
Tab.2　Compa rison o f the theo ry lowestmonthly g row th rates from mode l simu lating and fie ld
survey o f seamoss du ring d iffe rent shrimp cu lture pe riod g m - 2
月份
month
对虾体长 /cm
sh rimp leng th
最低理论月生长量
theore tic low est
m on th ly g row th ra te
2003年实际月增长量
au tual mon thly g row th
ra te in 2003
2004年实际增长量
autua lm onthly grow th
rate in 2004
4 2.0 500 - 610
5 5.2 329 230 600
6 8.3 319 190 540
7 14.4 364 640 570
8 15.4 360 350 570
9 16.4 254 350 600
图 1　模型对应测试数据集的 DIN模拟
结果与实测值的比较
F ig.1　C om pa rison o f D IN from m ode l ca lcu la ted
and fie ld survey
　　根据表 2所列不同养殖阶段江蓠的最低理论月
生长量 , 对 2003和 2004年相应的江蓠-对虾混养
阶段江蓠的实际月生长量和水环境中 DIN的变化
情况进行分析 , 结果可看出 , 在 2003年试验塭对
虾体长小于 8.3 cm的养殖阶段 , 江蓠月生长量均
小于模型模拟出的最低理论月生长量 , 此时 , 试验
塭水环境中 D IN均大于设定的富营养化标准限定
值 0.2 mg L -1;其他养殖阶段江蓠的实际月生长
量均大于或约等于模型模拟出的最低理论月生长
量 , 此时 , 试验塭中海水 DIN浓度则均低于 0.2
mg L -1;此外 , 没有种植江蓠的对照塭中 , 水环
境中 D IN均高于 0.2 mg L - 1 (表 1)。这些均说
明 , 该模型可以较好地模拟江蓠-对虾池塘混养混
养系统中江蓠生长对水环境中 D IN的影响 , 其结
果与实际也较为相符 , 因此 , 对江蓠-对虾混养模
式的优化能起到较好的指导意义。
参考文献:
[ 1] 李纯厚 , 黄洪辉 , 林钦 , 等. 海水对虾池塘养殖污染物环境负
荷量的研究 [ J] . 农业环境科学学报 , 2004, 23 (3): 545 -
550.
[ 2] BRIGGS M R P, FUNGE-SM ITH S J. A nu trien t budget of som e
in ten sive m arine sh rimp pond s in Thailand [ J] . Aquac FishM an-
ag, 1994, 25 (4):789 -811.
[ 3] PAEZ-OSUNA F, GUERRERO-GALVAN S R, RUIZ-FERNAN-
DEZ A C. D ischarge of nu trients from shrim p farm ing to coastalw a-
ters of the Gu lf of Ca liforn ia [ J] . M ar Po llBu l l, 1999, 38 (7):
585 - 592.
[ 4] TE ICHERT-CODD INGTON D R, MARTINEZ D , RAM IREZ E.
Partia l nutrient budgets for sem i-inten sive sh rimp farm s inH ondu ras
[ J] . Aquac, 2000, 190 (1 /2):139 -154.
[ 5] WAHAB M A, BERGHE IM A, BRAATEN B. W ater quali ty and
part ialm ass budget in extensive sh rimp ponds in B angladesh [ J] .
Aquac, 2003, 218 (1 /4):413 - 423.
[ 6] X IE B iao, DING Zhuhong, WANG X iaorong. Impact of the inten-
sive shrim p farm ing on the water quality of the ad jacent coasta l
creek s from E astern Ch ina [ J] . M ar Poll Bu ll, 2004, 48 (5 /6):
543 - 553.
[ 7] 王岩. 关于对虾池混养中的几个问题 [ J] . 台湾海峡 , 1999,
18 (1): 106 - 112.
[ 8] 王焕明. 藻虾混养的研究Ⅰ . 江蓠与新对虾 、青蟹在鱼塘中混
养的试验 [ J] . 海洋湖沼通报 , 1994 (3):52 - 59.
[ 9] 王岩. 海水池塘养殖模式优化:概念 、 原理与方法 [ J] . 水产
学报 , 2004, 28 (5):568 - 572.
　
24　
　
南　方　水　产
　
第 2卷
[ 10] NELSON S G, GLENN E P, CONN J, et a.l C u lt ivation of
Gra cilari pa rvispora (Rhodophyta) in shrim p-farm ef fuen t ditches
and f loat ing cages inH aw aii:a tw o-phase polycu ltu re system [ J] .
Aquac, 2001, 193 (3 /4):239 - 248.
[ 11] 詹海刚 , 施平 , 陈楚群. 利用神经网络反演海水叶绿素浓度
[ J] . 科学通报 , 2000, 45 (17):1879 - 1884.
[ 12] BROSSE S, LEK S. Pred ict ing fish distribu tion in a mesotroph ic
lake by hydroacoust ic survey and artif icial neu ral n etw ork s [ J] .
Lim nolO ceanogr, 1999, 44 (5):1293 -1303.
[ 13] 邬红鹃 , 林子扬 , 郭生练. 人工神经网络方法在资源与环境
预测方面的应用 [ J] . 长江流域资源与环境 , 2000, 9 (2):
237 - 241.
[ 14] 吴京洪 , 杨秀环 , 唐宝英, 等. 人工神经网络预报浮游植物
生长趋势的研究 [ J] . 中山大学学报:自然科学版 , 2000,
39 (6):54 - 58.
[ 15] 李占东 , 林钦. BP人工神经网络模型在珠江口水质评价中
的应用 [ J] . 南方水产 , 2005, 1 (4): 47 - 54.
[ 16] 邹景忠 , 董丽苹 , 秦保平. 渤海湾富营养化问题的探讨
[ J] . 海洋环境科学 , 1983, 2 (2):42 -53
[ 17] 黄洪辉 , 王寓平. 大亚湾网箱养殖区生物—化学特性与营养
状况的周日变化 [ J] . 湛江海洋大学学报 , 2001, 21 (2):
35 - 43.