[发明专利]一种基于数据挖掘技术的深水网箱养殖鱼类生长预测方法

说明书

技术领域

本发明涉及一种基于数据挖掘技术的深水网箱养殖鱼类生长预测方法。

背景技术

随着中国深水网箱的快速发展，深水网箱养殖向-15m以深水域拓展，单个网箱养 殖水体也进一步扩大。目前我国深水网箱养殖主要采用人工投饵，劳动强度大、喂料不均 匀、投饵量难控制、适应环境能力差等缺点。国内池塘养殖上使用的一些小型的简易自动投 饵机，但其投喂精准度差，完全不能适应深水网箱养殖高密度大容量养殖的需要。

发明内容

本发明所要解决的技术问题是：提供一种基于数据挖掘技术的深水网箱养殖鱼类 生长预测方法。

解决上述技术问题，本发明所采用的技术方案如下：

一种基于数据挖掘技术的深水网箱养殖鱼类生长预测方法，其特征在于：所述的 深水网箱养殖鱼类生长预测方法包括：

步骤一、在受测深水网箱的养殖区域内安装水温传感器、盐度传感器、溶解氧传感 器和水流流速传感器，并用它们按预设的时间间隔采集受测深水网箱在养殖区域内的水 温、盐度、溶解氧浓度和水流流速数据，并且，测量受测深水网箱中对应于采集时刻的养殖 鱼类体重，以获取受测深水网箱在n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和 养殖鱼类体重，其中，n为正整数，该n个历史采集时刻属于受测深水网箱当前所养殖的养殖 鱼类的养殖周期之内；

步骤二、对步骤一采集到的n个历史采集时刻的水温、盐度、溶解氧浓度、水流流速和养殖鱼类体重按量纲分别进行归一化处理，得到n组样本集T＝{(x_i,y_i)|i＝1,2…,n}，其中，第i组样本集中的列向量和分别表示归一化后的第i个历史采集时刻的水温、盐度、溶解氧浓度和水流流速，y_i表示归一化后的第i个历史采集时刻的养殖鱼类体重；

步骤三、在2^-10至2⁶的取值范围内按相同的取值间隔选取m1个误差惩罚因子C的取 值，在2^-10至2⁴的取值范围内按相同的取值间隔选取m2个的核参数γ的取值、在0.001至1的 取值范围内按相同的取值间隔选取m3个不敏感损失系数ε的取值，从而形成m1×m2×m3组 由误差惩罚因子C、核参数γ和不敏感损失系数ε组成的参数组，其中，m1、m2和m3均为大于1 的正整数；

并且，对应每一组所述参数组建立一个支持向量机模型如下：

f(x)=Σi=1n(αi-αi*)K(xi,x)+b;]]>

其中，f(x)表示在自变量x的条件下所述受测深水网箱中的养殖鱼类体重预测值， x为依次由水温、盐度、溶解氧浓度和水流流速组成的列向量；

拉格朗日乘子α_i,通过将步骤二得到的第1至第n组样本集中的列向量x₁,x₂,…,x_n全部代入以下方程组联立求解得到：