[发明专利]水产养殖溶解氧预测方法及装置

权利要求书

1.一种水产养殖溶解氧预测方法，其特征在于，包括：

采集水产养殖水域的水质数据；

将采集到的水质数据进行归一化处理，得到归一化数据；

将所述归一化数据输入预设的LSTM神经网络预测模型，得到模型预测数据；

将所述模型预测数据进行反归一化处理，得到溶解氧预测数据。

2.根据权利要求1所述的方法，其特征在于，所述水质数据包括：pH值、水温、浊度、氨氮含量和盐度中的一种或多种。

3.根据权利要求1或2所述的方法，其特征在于，所述方法在采集水产养殖水域的水质数据之前，还包括：建立LSTM神经网络预测模型。

4.根据权利要求3所述的方法，其特征在于，所述建立LSTM神经网络预测模型的方法包括：

采集M组测试数据，所述测试数据包括水质数据及与之相应的溶解氧数据；

将所述M组测试数据进行归一化处理，得到M组归一化测试数据，其中，所述水质数据进行归一化后称为归一化水质数据，所述溶解氧数据归一化之后称为归一化溶解氧数据；

将所述归一化测试数据按组随机分为两部分，其中数量大于预设百分比的数据称为训练数据，用于训练模型调整权值；另一部分数据称为验证数据，用于验证模型；

将所述训练数据中的归一化水质数据作为LSTM神经网络预测模型的输入，按照预设方法进行前向传播后得到预测溶解氧数据；

将所述预测溶解氧数据与相应的归一化溶解氧数据进行比较，利用所述预测溶解氧数据与归一化溶解氧数据的误差进行反向传播，修正模型中的权值，得到修正的LSTM神经网络预测模型；

将所述验证数据中的归一化水质数据作为修正的LSTM神经网络预测模型的输入，若输出的预测溶解氧数据与验证数据中的归一化溶解氧数据在预设误差范围内，则所述修正的LSTM神经网络预测模型为最终的LSTM神经网络预测模型。

5.一种水产养殖溶解氧预测装置，其特征在于，包括：

采集单元，用于采集水产养殖水域的水质数据；

归一化单元，用于将采集到的水质数据进行归一化处理，得到归一化数据；

预测单元，用于将所述归一化数据输入预设的LSTM神经网络预测模型，得到模型预测数据；

反归一化单元，用于将所述模型预测数据进行反归一化处理，得到溶解氧预测数据。

6.根据权利要求5所述的装置，其特征在于，所述采集单元包括：pH值采集模块、水温采集模块、浊度采集模块、氨氮含量采集模块和盐度采集模块。

7.根据权利要求5或6所述的装置，其特征在于，所述装置还包括LSTM神经网络预测模型建立单元，用于建立LSTM神经网络预测模型。

8.根据权利要求7所述的装置，其特征在于，所述建立LSTM神经网络预测模型建立单元包括：

采集模块，用于采集M组测试数据，所述测试数据包括水质数据及与之相应的溶解氧数据；

归一化模块，用于将所述M组测试数据进行归一化处理，得到M组归一化测试数据，其中，所述水质数据进行归一化后称为归一化水质数据，所述溶解氧数据归一化之后称为归一化溶解氧数据；

数据划分模块，用于将所述归一化测试数据按组随机分为两部分，其中组数较多的数据称为训练数据，用于训练模型调整参数；组数较少的数据称为验证数据，用于验证模型；

前向传播模块，用于将所述训练数据中的归一化水质数据作为LSTM神经网络预测模型的输入，按照预设方法进行前向传播后得到预测溶解氧数据；

反向传播模块，用于将所述预测溶解氧数据与相应的归一化溶解氧数据进行比较，利用所述预测溶解氧数据与归一化溶解氧数据的误差进行反向传播，修正模型中的权值，得到修正的LSTM神经网络预测模型；

验证模块，用于将所述验证数据中的归一化水质数据作为修正的LSTM神经网络预测模型的输入，若输出的预测溶解氧数据与验证数据中的归一化溶解氧数据在预设误差范围内，则所述修正的LSTM神经网络预测模型为最终的LSTM神经网络预测模型。