【技術實現步驟摘要】
本專利技術涉及微氣象預警，更具體的說是涉及一種漁農微氣象信息采集預警方法及系統。
技術介紹
1、隨著水產養殖業的不斷發展，水產養殖業在世界民生和貿易中的地位日益重要，氣候變化對全球魚類生態系統影響巨大而備受關注。氣象條件是影響水產養殖的重要因素，特殊的氣候條件對水產養殖動物的攝食、生長和發育均有重要的影響。隨著水產養殖業生產規模的日益擴大、集約化程度的不斷提高，其受氣象條件影響也越來越大，近些年受氣象災害的影響，許多水產業也頻繁遭受損失。
2、因此，如何提供一種漁農微氣象信息采集預警方法及系統，基于水產養殖生產所需的微氣象參數，采用多種自動獲取方法，為水產養殖者提供微氣象預警，防災減災是本領域技術人員亟需解決的問題。
技術實現思路
1、有鑒于此，本專利技術提供了一種漁農微氣象信息采集預警方法及系統，基于水產養殖生產所需的微氣象參數，采用多種自動獲取方法，為水產養殖者提供微氣象預警，防災減災。實現了更加精準的漁場微氣象數據預測和預警，幫助養殖戶在惡劣天氣或其他危險情況下及時做出反應，保障漁業活動的安全和效率。
2、為了實現上述目的，本專利技術采用如下技術方案：一種漁農微氣象信息采集預警方法，包括：
3、從氣象局獲取實時的第一氣象數據；
4、在漁場周邊部署氣象傳感器，通過所述氣象傳感器監測并獲取第二氣象數據；
5、將所述第一氣象數據和所述第二氣象數據實時傳輸到云端平臺；
6、通過云端平臺集成所述第一氣象數據和所述第
7、建立氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果；
8、根據所述氣象預測結果確定是否觸發警報，通知養殖管理人員。
9、優選的，所述氣象傳感器設置有多個，將氣象傳感器的編號與氣象傳感器類型、型號、監測范圍、所屬部件位置及所屬氣象傳感器重要性構成映射，形成一對多的映射關系，并保存到云端平臺。
10、優選的，建立氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果，包括：
11、獲取氣象傳感器及氣象局同一時刻的歷史氣象數據對應的實際氣象結果及至少兩個第一預測模型；
12、將所述實際氣象結果分別輸入至每個第一預測模型進行訓練，對應獲得第二預測模型；
13、基于所述實際氣象結果對應的氣象傳感器數據和氣象局數據，每個第二預測模型在同一氣象監測過程的結果上進行預測獲得初始預測結果；
14、將每個第二預測模型在同一氣象監測過程的監測值以及在同一氣象監測過程對應的實際值進行拼接，獲得多個氣象數據集；
15、將所述多個氣象數據集輸入至基于多個決策樹回歸算法的氣象預測模型進行訓練，獲得最終的氣象預測模型，基于所述第二預測模型及所述最終的氣象預測模型對未來一段時間內的氣象演化情況進行預測，獲得氣象預測結果。
16、優選的，基于多個決策樹回歸算法的氣象預測模型，包括：將所述氣象數據集按照設定比例劃分為訓練集和測試集；
17、構建基于多個決策樹回歸算法的氣象預測模型；根據所述訓練集中的樣本數據生成與所述決策樹回歸算法個數相同的新的訓練集；以所述新的訓練集中樣本數據的自變量為輸入，以訓練集中樣本數據的響應變量為輸出對機器學習模型進行訓練，得到訓練后的氣象預測模型。
18、優選的，所述氣象預測模型的訓練過程包括：根據所述新的訓練集中樣本數據的自變量個數確定所述決策樹回歸算法的特征；根據所述決策樹回歸算法的特征對所述新的訓練集中的樣本數據進行數據區域劃分，得到數據劃分區域；獲取新的訓練集中樣本數據的響應變量的平均值和輸入每一所述數據劃分區域中樣本數據的響應變量值；根據所述響應變量值和所述響應變量的平均值確定氣象預測模型的損失函數，完成所述氣象預測模型的訓練。
19、優選的，所述至少兩個第一預測模型為包括自回歸模型、移動平均模型、自回歸滑動平均模型及自回歸差分移動平均模型的多種組合。
20、優選的，還包括：將分析后的漁場氣象預測結果通過可視化界面展示給養殖管理人員，并通過手機app、短信方式發送預警信息。
21、優選的，一種漁農微氣象信息采集預警系統，包括：
22、第一氣象數據獲取模塊，用于從氣象局獲取實時的第一氣象數據；
23、第二氣象數據獲取模塊，用于在漁場周邊部署氣象傳感器，通過所述氣象傳感器監測并獲取第二氣象數據；
24、數據傳輸模塊，用于將所述第一氣象數據和所述第二氣象數據實時傳輸到云端平臺；
25、數據集成模塊，用于通過云端平臺集成所述第一氣象數據和所述第二氣象數據；
26、數據處理模塊，用于建立基于機器學習的氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果；
27、預警模塊，用于根據所述氣象預測結果確定是否觸發警報，通知養殖管理人員。
28、經由上述的技術方案可知，與現有技術相比，本專利技術公開提供了一種漁農微氣象信息采集預警方法及系統，包括：從氣象局獲取實時的第一氣象數據；在漁場周邊部署氣象傳感器，通過所述氣象傳感器監測并獲取第二氣象數據；將所述第一氣象數據和所述第二氣象數據實時傳輸到云端平臺；通過云端平臺集成所述第一氣象數據和所述第二氣象數據；建立氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果；根據所述氣象預測結果確定是否觸發警報，通知養殖管理人員。本專利技術綜合利用氣象局數據和傳感器數據，結合現代化的信息技術，建立了一套科學、實時、高效的漁農微氣象信息采集與預警系統，為養殖管理提供決策支持，提升對氣象變化的應對能力，最終保障漁業生產的安全與穩定。
本文檔來自技高網...【技術保護點】
1.一種漁農微氣象信息采集預警方法，其特征在于，包括：
2.根據權利要求1所述的一種漁農微氣象信息采集預警方法，其特征在于，所述氣象傳感器設置有多個，將氣象傳感器的編號與氣象傳感器類型、型號、監測范圍、所屬部件位置及所屬氣象傳感器重要性構成映射，形成一對多的映射關系，并保存到云端平臺。
3.根據權利要求1所述的一種漁農微氣象信息采集預警方法，其特征在于，建立氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果，包括：
4.根據權利要求3所述的一種漁農微氣象信息采集預警方法，其特征在于，基于多個決策樹回歸算法的氣象預測模型，包括：將所述氣象數據集按照設定比例劃分為訓練集和測試集；
5.根據權利要求4所述的一種漁農微氣象信息采集預警方法，其特征在于，所述氣象預測模型的訓練過程包括：根據所述新的訓練集中樣本數據的自變量個數確定所述決策樹回歸算法的特征；根據所述決策樹回歸算法的特征對所述新的訓練集中的樣本數據進行數據區域劃分，得到數據劃分區域；獲取新的訓練集中樣本數據的響應變量的平均值和輸入每一所
6.根據權利要求3所述的一種漁農微氣象信息采集預警方法，其特征在于，所述至少兩個第一預測模型為包括自回歸模型、移動平均模型、自回歸滑動平均模型及自回歸差分移動平均模型的多種組合。
7.根據權利要求1所述的一種漁農微氣象信息采集預警方法，其特征在于，還包括：將分析后的漁場氣象預測結果通過可視化界面展示給養殖管理人員，并通過手機App、短信方式發送預警信息。
8.一種漁農微氣象信息采集預警系統，應用權利要求1-7任一項所述的一種漁農微氣象信息采集預警方法，其特征在于，包括：
...【技術特征摘要】
1.一種漁農微氣象信息采集預警方法，其特征在于，包括：
2.根據權利要求1所述的一種漁農微氣象信息采集預警方法，其特征在于，所述氣象傳感器設置有多個，將氣象傳感器的編號與氣象傳感器類型、型號、監測范圍、所屬部件位置及所屬氣象傳感器重要性構成映射，形成一對多的映射關系，并保存到云端平臺。
3.根據權利要求1所述的一種漁農微氣象信息采集預警方法，其特征在于，建立氣象預測模型，對集成后的第一氣象數據和第二氣象數據進行處理，分析生成未來一段時間內的氣象預測結果，包括：
4.根據權利要求3所述的一種漁農微氣象信息采集預警方法，其特征在于，基于多個決策樹回歸算法的氣象預測模型，包括：將所述氣象數據集按照設定比例劃分為訓練集和測試集；
5.根據權利要求4所述的一種漁農微氣象信息采集預警方法，其特征在于，所述氣象預測模型的訓練過程包括：根據所述新的訓練集中樣本數據的自變量個數確...
【專利技術屬性】
技術研發人員：劉海平，肖世俊，周朝偉，高賀，曾慶輝，張善忠，余小聊，羅楊，張博倫，張川，
申請(專利權)人：西南大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。