[发明专利]一种工厂化水产养殖水质溶解氧预测控制方法及系统

说明书

技术领域

本发明涉及工厂化水产养殖技术领域，尤其涉及一种工厂化水产养殖水质溶解氧预测控制方法及系统。

背景技术

随着工厂化水产养殖业中网箱养殖和池塘养殖模式的日益推广和普及，养殖密度不断提高，饲料投放、疾病防治、水温、水中溶解氧浓度的检测与控制对提高养殖产量与质量非常重要，其中溶解氧浓度检测与控制成为提高养殖密度、产量与质量的关键因素。

据有关资料显示，养殖鱼类在溶解氧含量3mg/L时的饲料系数要比4mg/L时增大1倍；在溶解氧量7mg/L时，鱼的生长速度要比在溶解氧4mg/L时快20％～30％，而饲料系数降低30％～50％。当水中溶解氧量达到4.5mg/L以上时，养殖鱼、虾的食欲增强极为明显；溶解氧量上升到5mg/L以上时，饲料系数达到最佳值。如果水中溶解氧过低，就会给鱼类生长和繁殖带来不利影响，还可能造成鱼类大面积死亡。在淡水养殖中，水体加氧一般是根据经验，随意性较大，由于加氧不及时而造成养殖损失的现象时有发生。传统的池塘水质控制手段很难满足现代化养殖的精确和实时性要求，无法提供水产的最佳生长环境。因此，有必要对养殖场所的养殖水域建立溶解氧监控系统以达到对溶解氧含量进行实时监控。

然而，目前针对溶解氧的预测方式大都过于简单，没有深入分析溶解氧的特点，操作人员仅凭经验设定每个阶段养殖池塘溶解氧浓度的值。而影响溶解氧的因素主要有气象因素空气湿度、光照、大气压、二氧化碳，水中水温、pH值和电导率等，这些影响因素本身存在错综复杂的相互关系。溶解氧与不同季节、测量时间、测量点的位置和深度以及鱼池的深度和表面积有关，很难建立一个精确的预测模型，溶解氧的预测面临着控制精度低和控制成本高的问题。

发明内容

本发明为解决现有技术中存在的溶解氧预测精度低、控制成本高的问题，提供了一种工厂化水产养殖水质溶解氧预测控制方法及系统。

一方面，本发明提出一种工厂化水产养殖水质溶解氧预测控制方法，包括：S1，在线获取工厂化水产养殖系统的气象数据和水质数据，根据所述气象数据和水质数据获取训练数据集；S2，基于所述训练数据集，应用遗传粒子群算法优化模糊神经网络模型的模糊规则数和隶属度函数值，获取溶解氧预测模型；S3，将实时气象数据和水质数据输入所述溶解氧预测模型，获取溶解氧预测值；S4，根据所述溶解氧预测值调节所述工厂化水产养殖水质溶解氧的含量。

优选地，还包括步骤S5：重复步骤S3和S4，实现所述工厂化水产养殖水质溶解氧的动态预测和调节。

优选地，所述步骤S1进一步包括：S101，在线获取工厂化水产养殖系统的气象数据和水质数据；S102，基于工厂化水产养殖系统的气象数据和水质数据，建立原始数据集；S103，归一化处理所述原始数据集，获取训练数据集。

优选地，所述步骤S2进一步包括：S201，建立模糊神经网络模型；S202，根据所述训练数据集训练所述模糊神经网络模型；S203，应用遗传粒子群算法优化所述模糊神经网络模型的模糊规则数和隶属度函数值，获取基于遗传粒子群优化模糊神经网络的溶解氧预测模型。

优选地，所述步骤S2中，所述模糊神经网络模型包括五层网络结构：第一层：输入层，第一层每个节点表示一个输入变量，第二层：模糊化层，通过一个或多个隶属函数将所述输入变量模糊化，第三层：模糊条件层，第三层节点进行模糊规则条件部分的组合配合，第四层：模糊判决层，第四层节点与第三层节点的连接关系表示模糊规则的结论，获取对应输出节点的模糊值，第五层：去模糊化层，将输出量从模糊值还原乘数值形式，实现输出清晰化，

其中，和分别表示第k层第i个节点的输入和输出，为第k-1层的第i个节点与第k层的第j个节点的连接权，f()为相应节点的隶属函数，m_k、σ_k分别表示隶属函数的中心值和宽度，第一层至第四层的连接权均为1。

优选地，所述步骤S1中，所述气象数据包括空气湿度、光照强度、大气压强和二氧化碳含量，所述水质数据包括溶解氧含量、电导率、pH值和水温。

优选地，所述步骤S4进一步包括：S401，根据所述溶解氧预测值和溶解氧实际值获取溶解氧误差和溶解氧误差率；S402，将所述溶解氧误差和溶解氧误差率输入模糊神经网络控制模型，获取溶解氧修正值；S403，根据所述溶解氧修正值生成控制指令；S404，根据所述控制指令调节所述工厂化水产养殖系统中增氧设备的增氧速度；S405，重复步骤S404，实现所述工厂化水产养殖水质溶解氧的含量的自动调节。