[发明专利]基于卡尔曼滤波模型的鱼塘水质预测方法及系统

权利要求书

1.基于卡尔曼滤波模型的鱼塘水质预测方法，其特征在于，所述方法包括以下步骤：

步骤1：通过传感器采集水质数据集；

步骤2：构建卡尔曼滤波模型的状态方程；

步骤3：构建卡尔曼滤波模型的测量方程；

步骤4：通过构建改进的卡尔曼滤波模型对水质数据集进行预测。

2.根据权利要求1所述的基于卡尔曼滤波模型的鱼塘水质预测方法，其特征在于，在步骤1中，水质数据集包括鱼塘的水温、水位、溶解氧、氨氮值等水质数据，通过在水塘内安装传感器，收集水质数据，在收集了1500条水质数据后，每条数的时间单位均为小时，每日固定时间从传感器收集上述数据，组成水质数据集。

3.根据权利要求2所述的基于卡尔曼滤波模型的鱼塘水质预测方法，其特征在于，在步骤2中，构建卡尔曼滤波模型的状态方程的方法为：设每小时的溶解氧为x(k)；对于不同时间值k,均有一值x(k)与之对应,当取样时刻变化时,就得到一时溶解氧序列{x(k)},溶解氧预测序列{x(k)}为白噪声序列{x(k)}驱动的一阶递归模型,状态方程如下:式中：x(k)为k时刻溶解氧的真值；为k-1时刻和k时刻时溶解氧之间的相关系数，采用了时变模型，认为F是一个随时间变化的系数；w为表示过程噪声。

4.根据权利要求3所述的基于卡尔曼滤波模型的鱼塘水质预测方法，其特征在于，在步骤3中，构建卡尔曼滤波模型的测量方程的方法为：

令y(k)＝Hx(k)+v(k),y(k)为k时刻溶解氧的量测值；H为量测参数，它由测量系统和测量方法所确定，不随时间变化的一个常量，取1；v(k)为量测噪声，均方估计误差为p(k)＝E[x(k)-x(k)]²，在均方估计误差为最小的准则下加以推导,可以得出递推公式如下:预测估计方程为x(k+1|k)＝F(k)x(k|k-1)+b(k)[y(k)-Hx(k|k-1)]，预测增益方程：均方预测误差方程：p(k+1|k)＝F(k)²p(k|k-1)-F(k)Hb(k)p(k|k-1)+Q，式中：x(k+1|k)基于k时刻的k+1时刻时溶解氧基础的估计值；R为量测噪声的方差；Q为过程噪声的方差；F(k)为状态转移矩阵，它表示我们如何从上一状态来推测当前状态，Δk为单位时间。

5.基于卡尔曼滤波模型的鱼塘水质预测系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：

水质数据采集单元，用于通过传感器采集水质数据集；

状态方程构建单元，用于构建卡尔曼滤波模型的状态方程；

测量方程构建单元，用于构建卡尔曼滤波模型的测量方程；

模型预测单元，用于通过构建改进的卡尔曼滤波模型对水质数据集进行预测。