[发明专利]一种适用于养殖池塘的夜间水质溶氧量预测方法

权利要求书

1.一种适用于养殖池塘的夜间水质溶氧量预测方法，其特征在于，包括如下步骤：

1)水质数据和气象数据来源渠道的建立

1.1)选取目标池塘，在目标池塘附近的若干池塘中选取一个池塘作为在线监测池塘，其它的池塘作为非在线监测池塘；

1.2)在所述在线监测池塘处安装一套水质监测仪器设备，其用于监测在线监测池的监测水温、溶解氧和pH值；

1.3)在目标池塘附近空旷无遮挡的地点安装一套小型气象自动观测站，其用于实时采集气温、气压、湿度、降水、太阳光辐射、风速和风向气象参数；

1.4)配备一套便携式水质分析仪，其用于池塘管理员在巡视时检测非在线监测池塘的水温、溶解氧和pH值；

2)水质数据和气象数据的采集和处理；

2.1)连续采集在线监测池塘的水质数据和养殖场气象数据，形成连续数据序列集，包括水温、溶解氧、pH值、气温、气压、湿度、降水、太阳光辐射、风速和风向，共10个参数的数据集，存入监控中心的养殖数据库；

2.2)对上述10个参数做数据预处理，其中，通过滤波法去除水温、溶解氧、pH值、气温、气压、湿度和太阳光辐射中的异常突变数据，并通过插值法补足缺失的数据，得到平滑的连续数据序列，然后对太阳光辐射数据进行累加处理，获得每天从日出到日落的太阳光辐射累计值；剔除降水、风速和风向中明显偏离实际物理量的异常高值；

2.3)对预处理后的连续数据序列进行归一化处理，获得标准的水质数据和气象数据，包括水温、溶解氧、pH值、气温、气压、湿度、降水、太阳光辐射累计值、风速、风向，共10个参数的数据集；

3)溶解氧预测模型的建立

3.1)将获得的标准的水质数据和气象数据作为溶解氧预测模型的训练数据集，并根据神经网络架构，构建反向传播神经网络；

3.2)以标准的水质数据和气象数据为输入参数，以夜间时段的溶解氧数据为输出参数，用获得的每天从日出到日落的太阳光辐射累计值对反向传播神经网络进行训练，确定反向传播神经网络的模型参数，得到溶解氧预测模型；

4)夜间水质溶氧量的预测

4.1)对在线监测池塘的水温、溶解氧、pH值数据进行预处理和归一化，对非在线监测池塘的水温、溶解氧和pH值数据进行预处理和归一化；以每天的太阳光辐射累计值和气象数据作为溶解氧预测模型的输入量，预测各个非在线监测池塘日落后水体标准溶解氧值，每10分钟更新一次预测结果；

4.2)对预测结果进行反归一化处理，得到非在线监测池塘的水体溶解氧浓度预测值，为养殖管理人员提供预警。

2.根据权利要求1所述的适用于养殖池塘的夜间水质溶氧量预测方法，其特征在于，所述水质监测仪器设备和小型气象自动观测站的检测频率为每10分钟一次，监测数据实时上传至监控中心的数据库，便携式水质分析仪由池塘管理员在巡视完毕后录入监控中心的养殖数据库。