[发明专利]水产养殖溶解氧浓度在线预测方法及系统

说明书

技术领域

本发明涉及信息技术领域和水产养殖技术交叉领域，特别涉及水产养殖溶解氧浓度在线预测方法及系统。

背景技术

水产养殖水体中溶解氧是水生动植物赖以生存必需的条件。快速、准确的溶解氧浓度预测对防范水质恶化，提高水产品质量和水产品健康养殖、推进渔业信息现代化中将发挥重要的作用。

目前常用的水质自动监测预测系统中硬件以在线式自动分析仪器为核心，预测方法采用多项式回归、数理统计法、灰色系统理论法、神经网络模型法、水质模拟模型法等方法，该系统对水质预测取得了一定成效，但在应用过程中仍存在一些问题：(1)缺乏对水质变化进行全天候长时间的监控、预测；(2)溶解氧浓度容易受养殖水体水质和气象等多个参数的影响，但现有技术的方法中没有充分考虑溶解氧与其它参数的影响，监测的参数少，且预测方法存在非线性、不确定性、高维数、易陷入局部极小点等缺陷，严重降低了其应用效果。

发明内容

为解决以上问题，本发明的目的是提供一种水产养殖溶解氧浓度在线预测方法及系统，以实现结合养殖生态环境的水质和气象因子等多参数影响因素对溶解氧浓度进行准确、快速的预测。

为了达到以上目的，本发明提供了一种水产养殖溶解氧浓度在线预测方法，包括：

步骤S1：采集预定时段内的水产养殖生态环境水质指标和相关气象因子数据，以建立原始数据集；

步骤S2：用归一化方法对所述原始数据集进行数据标准化预处理，获得最小二乘支持向量回归机模型的训练样本数据集；

步骤S3：利用所述训练样本数据集训练所述最小二乘支持向量回归机模型并优化所述最小二乘支持向量回归机模型的参数，以获取最优最小二乘支持向量回归机模型；

步骤S4：在线实时采集水产养殖生态环境水质指标和相关气象因子数据，并将所采集的水产养殖生态环境水质指标和相关气象因子数据输入所述最优最小二乘支持向量回归机模型以获取水产养殖溶解氧浓度预测值。

本发明还提供了一种水产养殖溶解氧浓度在线预测系统，包括：数据无线采集与传输模块、数据存储模块、数据预处理模块、最小二乘支持向量回归机训练优化模块和溶解氧预测模块；

所述数据无线采集与传输模块，用于采集预定时段内的水产养殖生态环境水质指标和相关气象因子数据，以建立原始数据集；在线实时采集水产养殖生态环境水质指标和相关气象因子数据并传输至所述数据存储模块；

所述数据存储模块，用于根据预定时段内采集的所述水产养殖生态环境水质指标和相关气象因子数据建立并存储原始数据集，存储对所述原始数据集归一化后的训练样本数据集，还存储在线实时采集的水产养殖生态环境水质指标和相关气象因子数据；

所述数据预处理模块，用于通过归一化方法对所述原始数据集进行数据标准化预处理，获得最小二乘支持向量回归机模型的训练样本数据集；

所述最小二乘支持向量回归机训练优化模块，用于利用所述训练样本数据集训练所述最小二乘支持向量回归机模型并优化所述最小二乘支持向量回归机模型的参数，以获取最优最小二乘支持向量回归机模型；

所述溶解氧预测模块，用于将所述在线实时采集的水产养殖生态环境水质指标和相关气象因子数据输入所述最优最小二乘支持向量回归机模型以获取水产养殖溶解氧浓度预测值。

根据本发明的水产养殖溶解氧浓度在线预测方法及系统，由于采集被测水产养殖池塘的水质指标及所在区域的相关气象因子数据作为训练样本数据集，利用该训练样本数据集获取最优最小二乘支持向量回归机模型，并通过该最优最小二乘支持向量回归机模型来进行溶解氧浓度预测，从而实现了对溶解氧浓度的精确、高效预测，为后续实现水产养殖水体中溶解氧浓度的在线预警和智能控制奠定了基础。

附图说明

图1为本发明水产养殖溶解氧浓度在线预测方法的流程图。

图2为应用于本发明水产养殖溶解氧浓度在线预测方法的最小二乘支持向量回归机模型的内部结构示意图。

图3为在线预测水产养殖溶解氧浓度的详细流程图。

图4为本发明水产养殖溶解氧浓度在线预测系统的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图，对本发明的技术方案进行清楚、完整地描述。

图1为本发明水产养殖溶解氧浓度在线预测方法的流程图。如图1所示，该水产养殖溶解氧浓度在线预测方法包括以下步骤：

步骤S1：采集预定时段内的水产养殖生态环境水质指标和相关气象因子数据，以建立原始数据集；