水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法及系統(tǒng)技術(shù)方案

本發(fā)明專(zhuān)利技術(shù)提供了水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法及系統(tǒng)。該方法包括：采集預(yù)定時(shí)段內(nèi)的水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，以建立原始數(shù)據(jù)集；用歸一化方法對(duì)原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，獲得最小二乘支持向量回歸機(jī)模型的訓(xùn)練樣本數(shù)據(jù)集；利用訓(xùn)練樣本數(shù)據(jù)集訓(xùn)練最小二乘支持向量回歸機(jī)模型并優(yōu)化其參數(shù)，以獲取最優(yōu)最小二乘支持向量回歸機(jī)模型；在線(xiàn)實(shí)時(shí)采集水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，并將所采集的水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)輸入最優(yōu)最小二乘支持向量回歸機(jī)模型以獲取溶解氧濃度預(yù)測(cè)值。本發(fā)明專(zhuān)利技術(shù)實(shí)現(xiàn)了水產(chǎn)養(yǎng)殖溶解氧濃度的準(zhǔn)確、高效預(yù)測(cè)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專(zhuān)利技術(shù)涉及信息
和水產(chǎn)養(yǎng)殖技術(shù)交叉領(lǐng)域，特別涉及水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法及系統(tǒng)。
技術(shù)介紹
水產(chǎn)養(yǎng)殖水體中溶解氧是水生動(dòng)植物賴(lài)以生存必需的條件?？焖佟?zhǔn)確的溶解氧濃度預(yù)測(cè)對(duì)防范水質(zhì)惡化，提高水產(chǎn)品質(zhì)量和水產(chǎn)品健康養(yǎng)殖、推進(jìn)漁業(yè)信息現(xiàn)代化中將發(fā)揮重要的作用。目前常用的水質(zhì)自動(dòng)監(jiān)測(cè)預(yù)測(cè)系統(tǒng)中硬件以在線(xiàn)式自動(dòng)分析儀器為核心，預(yù)測(cè)方法采用多項(xiàng)式回歸、數(shù)理統(tǒng)計(jì)法、灰色系統(tǒng)理論法、神經(jīng)網(wǎng)絡(luò)模型法、水質(zhì)模擬模型法等方法，該系統(tǒng)對(duì)水質(zhì)預(yù)測(cè)取得了一定成效，但在應(yīng)用過(guò)程中仍存在一些問(wèn)題(1)缺乏對(duì)水質(zhì)變化進(jìn)行全天候長(zhǎng)時(shí)間的監(jiān)控、預(yù)測(cè)；( 溶解氧濃度容易受養(yǎng)殖水體水質(zhì)和氣象等多個(gè)參數(shù)的影響，但現(xiàn)有技術(shù)的方法中沒(méi)有充分考慮溶解氧與其它參數(shù)的影響，監(jiān)測(cè)的參數(shù)少， 且預(yù)測(cè)方法存在非線(xiàn)性、不確定性、高維數(shù)、易陷入局部極小點(diǎn)等缺陷，嚴(yán)重降低了其應(yīng)用效果。
技術(shù)實(shí)現(xiàn)思路
為解決以上問(wèn)題，本專(zhuān)利技術(shù)的目的是提供一種水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法及系統(tǒng)，以實(shí)現(xiàn)結(jié)合養(yǎng)殖生態(tài)環(huán)境的水質(zhì)和氣象因子等多參數(shù)影響因素對(duì)溶解氧濃度進(jìn)行準(zhǔn)確、快速的預(yù)測(cè)。為了達(dá)到以上目的，本專(zhuān)利技術(shù)提供了一種水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法，包括步驟Sl 采集預(yù)定時(shí)段內(nèi)的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，以建立原始數(shù)據(jù)集；步驟S2 用歸一化方法對(duì)所述原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，獲得最小二乘支持向量回歸機(jī)模型的訓(xùn)練樣本數(shù)據(jù)集；步驟S3 利用所述訓(xùn)練樣本數(shù)據(jù)集訓(xùn)練所述最小二乘支持向量回歸機(jī)模型并優(yōu)化所述最小二乘支持向量回歸機(jī)模型的參數(shù)，以獲取最優(yōu)最小二乘支持向量回歸機(jī)模型；步驟S4 在線(xiàn)實(shí)時(shí)采集水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，并將所采集的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)輸入所述最優(yōu)最小二乘支持向量回歸機(jī)模型以獲取水產(chǎn)養(yǎng)殖溶解氧濃度預(yù)測(cè)值。本專(zhuān)利技術(shù)還提供了一種水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)系統(tǒng)，包括數(shù)據(jù)無(wú)線(xiàn)采集與傳輸模塊、數(shù)據(jù)存儲(chǔ)模塊、數(shù)據(jù)預(yù)處理模塊、最小二乘支持向量回歸機(jī)訓(xùn)練優(yōu)化模塊和溶解氧預(yù)測(cè)模塊；所述數(shù)據(jù)無(wú)線(xiàn)采集與傳輸模塊，用于采集預(yù)定時(shí)段內(nèi)的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，以建立原始數(shù)據(jù)集；在線(xiàn)實(shí)時(shí)采集水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)并傳輸至所述數(shù)據(jù)存儲(chǔ)模塊；所述數(shù)據(jù)存儲(chǔ)模塊，用于根據(jù)預(yù)定時(shí)段內(nèi)采集的所述水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)建立并存儲(chǔ)原始數(shù)據(jù)集，存儲(chǔ)對(duì)所述原始數(shù)據(jù)集歸一化后的訓(xùn)練樣本數(shù)據(jù)集，還存儲(chǔ)在線(xiàn)實(shí)時(shí)采集的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)；所述數(shù)據(jù)預(yù)處理模塊，用于通過(guò)歸一化方法對(duì)所述原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，獲得最小二乘支持向量回歸機(jī)模型的訓(xùn)練樣本數(shù)據(jù)集；所述最小二乘支持向量回歸機(jī)訓(xùn)練優(yōu)化模塊，用于利用所述訓(xùn)練樣本數(shù)據(jù)集訓(xùn)練所述最小二乘支持向量回歸機(jī)模型并優(yōu)化所述最小二乘支持向量回歸機(jī)模型的參數(shù)，以獲取最優(yōu)最小二乘支持向量回歸機(jī)模型；所述溶解氧預(yù)測(cè)模塊，用于將所述在線(xiàn)實(shí)時(shí)采集的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)輸入所述最優(yōu)最小二乘支持向量回歸機(jī)模型以獲取水產(chǎn)養(yǎng)殖溶解氧濃度預(yù)測(cè)值。根據(jù)本專(zhuān)利技術(shù)的水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法及系統(tǒng)，由于采集被測(cè)水產(chǎn)養(yǎng)殖池塘的水質(zhì)指標(biāo)及所在區(qū)域的相關(guān)氣象因子數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)集，利用該訓(xùn)練樣本數(shù)據(jù)集獲取最優(yōu)最小二乘支持向量回歸機(jī)模型，并通過(guò)該最優(yōu)最小二乘支持向量回歸機(jī)模型來(lái)進(jìn)行溶解氧濃度預(yù)測(cè)，從而實(shí)現(xiàn)了對(duì)溶解氧濃度的精確、高效預(yù)測(cè)，為后續(xù)實(shí)現(xiàn)水產(chǎn)養(yǎng)殖水體中溶解氧濃度的在線(xiàn)預(yù)警和智能控制奠定了基礎(chǔ)。附圖說(shuō)明圖1為本專(zhuān)利技術(shù)水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法的流程圖。圖2為應(yīng)用于本專(zhuān)利技術(shù)水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法的最小二乘支持向量回歸機(jī)模型的內(nèi)部結(jié)構(gòu)示意圖。圖3為在線(xiàn)預(yù)測(cè)水產(chǎn)養(yǎng)殖溶解氧濃度的詳細(xì)流程圖。圖4為本專(zhuān)利技術(shù)水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)示意圖。具體實(shí)施例方式為使本專(zhuān)利技術(shù)的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖，對(duì)本專(zhuān)利技術(shù)的技術(shù)方案進(jìn)行清楚、完整地描述。圖1為本專(zhuān)利技術(shù)水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法的流程圖。如圖1所示，該水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法包括以下步驟步驟Sl 采集預(yù)定時(shí)段內(nèi)的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，以建立原始數(shù)據(jù)集；具體地，例如通過(guò)無(wú)線(xiàn)水質(zhì)傳感器采集水產(chǎn)養(yǎng)殖池塘的水質(zhì)指標(biāo)，通過(guò)小型氣象站數(shù)據(jù)采集設(shè)備采集被測(cè)水產(chǎn)養(yǎng)殖池塘區(qū)域的相關(guān)氣象因子數(shù)據(jù)，更為具體地，該水質(zhì)指標(biāo)例如為包括水位(WL)、酸堿度(PH)、溶解氧(DO)、水溫(WT)和濁度(Tb)；相關(guān)氣象因子數(shù)據(jù)例如為包括氣溫(AT)、溫度(Hd)、降雨量(Rf)、大陽(yáng)輻射(SR)和風(fēng)速(WV)。采集頻率例如為每10分鐘一次，采集時(shí)長(zhǎng)例如為連續(xù)60天，即共采集8640組數(shù)據(jù)，將同一時(shí)刻采集得到的水位、酸堿度、溶解氧、水溫、溫度、氣溫、濕度、降雨量、太陽(yáng)輻射和風(fēng)速數(shù)據(jù)分為一組，構(gòu)建特征向量。步驟S2 用歸一化方法對(duì)所述原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，獲得最小二乘支持向量回歸機(jī)模型的訓(xùn)練樣本數(shù)據(jù)集；具體地，最小二乘支持向量回歸(LS-SVR)機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論體系下，基于結(jié)構(gòu)風(fēng)險(xiǎn)最小原則的基礎(chǔ)上發(fā)展而來(lái)，較好地解決了傳統(tǒng)預(yù)測(cè)方法難以解決的非線(xiàn)性、過(guò)學(xué)習(xí)、 高維數(shù)、局部極小點(diǎn)、不確定性等實(shí)際問(wèn)題，具有較強(qiáng)的魯棒性和泛化能力，能以任意精度逼近任意函數(shù)。圖2為應(yīng)用于本專(zhuān)利技術(shù)水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法的最小二乘支持向量回歸機(jī)模型的內(nèi)部結(jié)構(gòu)示意圖。如圖2所示，向該最小二乘支持向量回歸機(jī)模型輸入第i時(shí)刻的特征向量，利用多個(gè)核函數(shù)對(duì)輸入的第i時(shí)刻的10個(gè)特征向量進(jìn)行處理，并將各核函數(shù)的輸出分配不同的權(quán)重并求和，即獲得回歸輸出，即第i+Ι時(shí)刻的溶解氧濃度。步驟S3 利用所述訓(xùn)練樣本數(shù)據(jù)集訓(xùn)練所述最小二乘支持向量回歸機(jī)模型并優(yōu)化所述最小二乘支持向量回歸機(jī)模型的參數(shù)，以獲取最優(yōu)最小二乘支持向量回歸機(jī)模型；具體地，在進(jìn)行最小二乘支持向量回歸機(jī)建模時(shí)，最優(yōu)模型的選擇是非常關(guān)鍵的工作，模型的優(yōu)劣直接影響水產(chǎn)養(yǎng)殖水體溶解氧濃度預(yù)測(cè)值的計(jì)算精度。在模型優(yōu)化過(guò)程中，先根據(jù)訓(xùn)練樣本數(shù)據(jù)的數(shù)據(jù)、維數(shù)，初步確定支持向量回歸機(jī)模型參數(shù)的取值范圍，然后對(duì)模型參數(shù)進(jìn)行優(yōu)化，以獲得最優(yōu)參數(shù)組合。根據(jù)水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)的特征，設(shè)計(jì)數(shù)據(jù)庫(kù)，以支持向量機(jī)回歸機(jī)原理為基礎(chǔ)，采用標(biāo)準(zhǔn)c#語(yǔ)言編寫(xiě)最小二乘支持向量回歸機(jī)訓(xùn)練程序，通過(guò)對(duì)最小二乘支持向量回歸機(jī)訓(xùn)練程序進(jìn)行樣本數(shù)據(jù)的訓(xùn)練學(xué)習(xí)，采用遺傳算法優(yōu)化最小二乘支持向量回歸機(jī)模型的參數(shù)，對(duì)樣本的規(guī)律建立模式識(shí)別，構(gòu)建最優(yōu)最小二乘支持向量回歸機(jī)模型。步驟S4 在線(xiàn)實(shí)時(shí)采集水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，并將所采集的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)輸入所述最優(yōu)最小二乘支持向量回歸機(jī)模型以獲取水產(chǎn)養(yǎng)殖溶解氧濃度預(yù)測(cè)值。具體地，例如實(shí)時(shí)采集t時(shí)刻的水位、酸堿度、溶解氧、水溫、溫度、氣溫、濕度、降雨量、太陽(yáng)輻射和風(fēng)速，對(duì)這些數(shù)據(jù)進(jìn)行歸一化，并將歸一化后的10個(gè)數(shù)據(jù)輸入在步驟S3 中得到的最優(yōu)最小二乘支持向量回歸機(jī)模型，即可獲取該最優(yōu)最小二乘支持向量回歸機(jī)模型的回歸輸出t+l時(shí)刻的溶解氧濃度預(yù)測(cè)值。所獲得的溶解氧濃度預(yù)測(cè)值可以以動(dòng)態(tài)曲線(xiàn)形式展示，即隨著時(shí)刻的推進(jìn)，繪制各時(shí)刻溶解氧濃度預(yù)測(cè)值所形成的曲線(xiàn)，以便更為直觀地展現(xiàn)溶解氧濃度的變本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
１．一種水產(chǎn)養(yǎng)殖溶解氧濃度在線(xiàn)預(yù)測(cè)方法，其特征在于，包括：步驟Ｓ１：采集預(yù)定時(shí)段內(nèi)的水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，以建立原始數(shù)據(jù)集；步驟Ｓ２：用歸一化方法對(duì)所述原始數(shù)據(jù)集進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化預(yù)處理，獲得最小二乘支持向量回歸機(jī)模型的訓(xùn)練樣本數(shù)據(jù)集；步驟Ｓ３：利用所述訓(xùn)練樣本數(shù)據(jù)集訓(xùn)練所述最小二乘支持向量回歸機(jī)模型并優(yōu)化所述最小二乘支持向量回歸機(jī)模型的參數(shù)，以獲取最優(yōu)最小二乘支持向量回歸機(jī)模型；步驟Ｓ４：在線(xiàn)實(shí)時(shí)采集水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)，并將所采集的所述水產(chǎn)養(yǎng)殖生態(tài)環(huán)境水質(zhì)指標(biāo)和相關(guān)氣象因子數(shù)據(jù)輸入所述最優(yōu)最小二乘支持向量回歸機(jī)模型以獲取水產(chǎn)養(yǎng)殖溶解氧濃度預(yù)測(cè)值。

【技術(shù)特征摘要】

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：李道亮，劉雙印，陳英義，位耀光，臺(tái)海江，徐龍琴，
申請(qǐng)(專(zhuān)利權(quán))人：中國(guó)農(nóng)業(yè)大學(xué)，
類(lèi)型：發(fā)明
國(guó)別省市：11