[发明专利]一种水产养殖溶解氧预测方法及装置

说明书

本发明实施例提供一种水产养殖溶解氧预测方法及装置。所述方法包括：获取养殖池塘的水质参数和环境气象参数，作为待分析数据，其中所述水质参数包括溶解氧含量；采用主成分分析法对所述待分析数据进行降维和分析，获取影响水质溶解氧变化的主成份，根据所述主成分确定水质溶解氧的关键影响因子数据；将所述关键影响因子数据输入至训练好的LSTM网络模型，根据所述LSTM网络模型的输出结果,得到所述养殖池塘的溶解氧含量的预测数据。本发明实施例解决了传统预测模型预测精度低、稳定性差等问题，实现了高效预测水质溶解氧含量，能够为水产养殖水质溶解氧的调控管理提供决策依据。

技术领域

本发明实施例涉及数据挖掘和机器学习领域，尤其涉及一种水产养殖溶解氧预测方法及装置。

背景技术

随着水产养殖业的快速发展，加强养殖水质预测关键技术研究，对于降低养殖风险、防止疾病爆发和优化养殖管理等方面具有重要的意义。溶解氧含量是反映水产品生长状况、水质状况的重要指标，易受温度、风速、风向、雨量、水生生物新陈代谢以及人为活动等多种因素的影响，且具有非线性、大时滞和不稳定等特点。目前水产养殖溶解氧的调控主要依靠人工经验和天气来判断是否增氧和换水，存在很大的盲目性和风险性。因此对水产养殖溶解氧预测方法进行研究，及时准确掌握未来溶解氧的变化规律，对于预防水质恶化与疾病爆发，为养殖人员提供决策参考，减少养殖风险、优化养殖管理具有重要意义。

目前，水质预测方法可分传统方法和计算智能方法两类。传统方法包括随机游走模型、自回归移动平均模型、最小二乘回归模型等，但传统方法更侧重于理论研究，预测精度有待高度，在实际应用中往往不能达到满意的结果。随着科学技术的快速发展，信息获取技术不断发展，如空气质量、养殖水质等环境监测系统正以惊人的速度收集到实时在线、高维、多源数据。为了有效地从海量数据中发现重要的信息，支持向量机、人工神经网络组合模型等智能算法应运而生，逐渐成为水质预测的研究热点。但是单一的智能模型存在易陷入局部极值、训练速度慢、稳定性差、预测精度低等缺点，组合模型的构建过程复杂、人工依赖性强，不利于在实际中推广和使用。

发明内容

针对现有技术存在的问题，本发明实施例提供一种水产养殖溶解氧预测方法及装置，。

第一方面，本发明实施例提供一种水产养殖溶解氧预测方法，包括：

获取养殖池塘的水质参数和环境气象参数，作为待分析数据，其中所述水质参数包括溶解氧含量；

采用主成分分析法对所述待分析数据进行降维和分析，获取影响水质溶解氧变化的主成份，根据所述主成分确定水质溶解氧的关键影响因子数据；

将所述关键影响因子数据输入至训练好的LSTM网络模型，根据所述LSTM网络模型的输出结果,得到所述养殖池塘的溶解氧含量的预测数据。

第二方面，本发明实施例提供一种水产养殖溶解氧预测装置，包括：

参数获取模块，用于获取养殖池塘的水质参数和环境气象参数，作为待分析数据，其中所述水质参数包括溶解氧含量；

主成分分析模块，用于采用主成分分析法对所述待分析数据进行降维和分析，获取影响水质溶解氧变化的主成份，根据所述主成分确定水质溶解氧的关键影响因子数据；

模型预测模块，用于将所述关键影响因子数据输入至训练好的LSTM网络模型，根据所述LSTM网络模型的输出结果,得到所述养殖池塘的溶解氧含量的预测数据。

第三方面，本发明实施例提供了一种水产养殖溶解氧预测设备，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行本发明实施例第一方面所述水产养殖溶解氧预测方法及其任一可选实施例所述的方法。