[发明专利]水产养殖水体水质预测系统和方法在审

专利信息
申请号: 202111602795.X 申请日: 2021-12-24
公开(公告)号: CN114282724A 公开(公告)日: 2022-04-05
发明(设计)人: 刘艳飞;林亮中 申请(专利权)人: 中山职业技术学院
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/02
代理公司: 上海联益知识产权代理事务所(特殊普通合伙) 31427 代理人: 尹飞宇
地址: 528405 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 水产 养殖 水体 水质 预测 系统 方法
【说明书】:

发明提供一种水产养殖水体水质预测系统,其包括一组水质传感器、至少一个气象站、云服务器和终端,其能够对评价水产养殖水体水质的多个指标进行预测,并综合各个水质指标参数的预测结果,从整体上预测未来一段时间内,水产养殖水体的水质状况。

技术领域

本发明涉及水产养殖技术领域,尤其涉及一种水产养殖水体水质预测系统。本发明还进一步涉及一种水产养殖水体水质预测方法。

背景技术

水产养殖水体的水质管理是水产养殖的重要组成部分。尽管目前的各种水质检测手段可实现对水产养殖水体各水质指标,如含氧量,pH值等的实时检测,检测精确度也满足水产养殖水体实时检测的需要。但是,一般情况下,水产养殖水体水质的恶化存在一个渐进的过程,如果能够预测水质,提前预警和做好水质恶化的防控,对水产养殖具有重要意义。

国内外很多高校和学者都对水产养殖的水质监控和预测进行了研究。现有水质预测模型主要有机理模型、非机理模型、时序模型和机器学习模型。由于水环境是一个多变量、多因素和多条件影响的复杂系统,如果采用机理模型进行建模,所涉及的参数将会很多,涉及的学科也很多,机理探索非常复杂。因此,基于机理模型的水质参数预测模型和研究成果较少,应用也很少。更加普遍的研究主要集中在非机理模型上,采用这种算法思想的方法主要包括统计学和经验学习等方法,如:神经网络建模、时序回归算法和支持向量机方法,有些学者将机器学习的方法应用到水质参数的预测模型建立中来。水质参数的预测关键在于选择合适的算法,根据水质历史数据,对水质参数的未来变化趋势进行预估和推测,养殖人员根据预测值对水质进行精准的管理与调控,达到防止水质进一步恶化的目的,从而降低养殖风险。

然而,现有用于对水产养殖水体水质进行预测的水质预测模型还很不完善,大多数仅能对水产养殖水体单一水质指标和参数的未来变化趋势进行预测,而单一数值的好坏无法评判整体水质的质量,因此需要能够综合各个水质参数的水产养殖水体水质预测和预警模型和方法来预测水产养殖水整体水质的好坏状况。

发明内容

本发明的主要优势在于提供一种水产养殖水体水质预测系统,其能够对评价水产养殖水体水质的多个指标进行预测,并综合各个水质指标参数的预测结果,从整体上预测未来一段时间内,水产养殖水体的水质状况。

本发明的另一优势在于提供一种水产养殖水体水质预测系统,其包括一组水质传感器和至少一个气象站,其中该水质传感器呈三维网状布置在水产养殖水体内,该气象站搭建在水产养殖水体所在区域,以获取水产养殖水体所在区域的空间信息和气象信息,从而使本发明水产养殖水体水质预测系统能够将所述空间信息和所述气象信息作为水质评价参数整合应用在水质预测中。

本发明的另一优势在于提供一种水产养殖水体水质预测系统,其中本发明水产养殖水体水质预测系统的预测模型能够按照每个水质指标参数的合适范围进行综合评价,从而形成不同的预测信息,并对这些信息进行等级划分,从而方便操作人员或使用者根据不同等级做出相应的应急处理措施,防止水质恶化。

本发明的另一优势在于提供一种水产养殖水体水质预测方法,其将基于多层注意力机制网络的地理传感器时间序列预测模型的水质预测方法与基于T-S模糊神经网络模型的水质预测方法结合,从而将具有时间信息和空间信息的多种评价水质指标数据和多种外部影响因素(如气象信息、养殖类型和饲料投放等)作为水质评价参数整合进水质预测中。

本发明的其它目的和特点通过下述的详细说明得以充分体现并可通过所附权利要求中特地指出的手段和装置的组合得以实现。

相应地,依本发明,具有至少一个前述优势的本发明水产养殖水体水质预测系统包括:

一组水质传感器;

至少一个气象站,其中该水质传感器呈三维网状布置在水产养殖水体内,以实时检测其所在水产养殖水体的相应区域空间的水质和获取该水质传感器所在水产养殖水体的相应区域空间的水质数据和相应的空间信息,该气象站搭建在水产养殖水体所在区域,以获取水产养殖水体所在区域的空间信息和气象信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山职业技术学院,未经中山职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111602795.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top