摘要：养殖池塘溶解氧是河蟹赖以生存的重要指标，及时准确地掌握溶解氧浓度变化趋势是确保高密度河蟹健康养殖的关键。为提高溶解氧预测精度和效率，该文提出了蚁群算法（ACA）优化最小二乘支持向量回归机（LSSVR）的河蟹养殖溶解氧预测方法。采用蚁群算法对最小二乘支持向量回归机的模型参数进行优化，并以自动获取的最佳参数组合构建溶解氧与其影响因子间非线性预测模型。利用该模型对江苏宜兴市2010年7月20日～7月28日期间高密度养殖池塘溶解氧进行预测。研究表明，该预测模型取得较好的预测效果，与支持向量回归机和BP神经网络相比，模型评价指标均方根误差、相对均方误差均值、平均绝对误差和和决定系数和运行时间分别为0．0328、0．0016、0．0448、0．9916和3．3275s均优于其他预测方法，ACA．LSSVR模型不仅计算复杂度低、收敛速度快、预测精度高、泛化能力强，还能满足实际高密度河蟹养殖溶解氧管理的需要，为其他领域的水质预测提供参考。

关键词：模型 优化 算法 溶解氧预测 最小二乘支持向量回归机 

单位：广东海洋大学信息学院; 湛江524025; 中国农业大学信息与电气工程学院; 北京10083; 河北农业大学机电工程学院; 保定071001