一种基于模糊算法的水产鱼类投喂量预估方法技术

本发明专利技术提供一种基于模糊算法的水产鱼类投喂量预估方法，包括：基于目标鱼群的平均体重以及所述目标鱼群的生长环境水温度，利用投喂量预估模型，预估对所述目标鱼群的投喂量；其中，所述投喂量预估模型为预先根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法建立的。本发明专利技术能够有效提高数据测量的准确率，从而更精确的进行鱼类投喂量的决策计算，有效避免鱼料浪费、水质污染及影响产量等问题。

A feed prediction method for aquatic fishes based on fuzzy algorithm

The present invention provides a method for estimating the feeding quantity of fish fish based on a fuzzy algorithm, including: Based on the average weight of the target fish and the growth environment water temperature of the target fish, the feeding amount of the target fish is estimated by the feeding quantity prediction model. The weight of the fish corresponding to the target fish group and the water temperature of the growing environment of the target fish group are fuzzified, and the fuzzy algorithm is adopted to establish the fuzzy algorithm. The invention can effectively improve the accuracy of data measurement, so that the decision calculation of fish feeding quantity is more accurate, and it can effectively avoid the problems of fish waste, water pollution and the effect of production.

【技术实现步骤摘要】
一种基于模糊算法的水产鱼类投喂量预估方法
本专利技术涉及水产养殖业信息化
，更具体地，涉及一种基于模糊算法的水产鱼类投喂量预估方法。
技术介绍
水产鱼类养殖过程中，对鱼的投喂时机、投喂量以及养殖环境等因素，均会对鱼类生长和生产产量造成很大影响。目前，实际的鱼类养殖投喂方法中，多是根据鱼类生长时期，对鱼类进行定时、定量投喂，或者根据经验进行人工投喂，投喂量的确定也主要是根据投喂率表和饲养人员的人工经验确定的。例如，利用自动投喂装置按照设定时间自动进行鱼料的投放，或者，利用自动感应设备，根据环境温度、光度以及鱼群食欲状态等，设定工作参数，确定投喂量，进行自动投喂。上述鱼类养殖投喂方法，或多或少存在如下问题：要么仅考虑时间因素，按照设定时间进行定量投喂，可能造成投喂量要么过大，造成鱼料浪费和水质污染，要么过小，造成鱼类食量不足，影响正常生长和产量；要么涉及鱼群食欲等难以准确测量的影响因素，从而影响对鱼料投放时机和投放量的准确决策。
技术实现思路
为了克服上述问题或者至少部分地解决上述问题，本专利技术提供一种基于模糊算法的水产鱼类投喂量预估方法，用以有效提高数据测量的准确率，从而更精确的进行鱼类投喂量的决策计算，有效避免鱼料浪费、水质污染及影响产量等问题。本专利技术提供一种基于模糊算法的水产鱼类投喂量预估方法，包括：基于目标鱼群的平均体重以及所述目标鱼群的生长环境水温度，利用投喂量预估模型，预估对所述目标鱼群的投喂量；其中，所述投喂量预估模型为预先根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法建立的。其中，所述根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法对所述投喂量预估模型进行建立的步骤具体包括：S01，基于所述目标鱼群的种类和生长特性，确定模型输入变量和输出变量；S02，根据所述目标鱼群对应的鱼类，选取样本鱼类，并将所述样本鱼类的体重、所述目标鱼群的生长环境水温度以及投喂量分别进行模糊化处理，确定对应的输入输出模糊集；S03，基于所述样本鱼类的生长特性，确定输入变量隶属度函数和输出变量隶属度函数，并制定模糊控制规则；S04，根据给定规则，确定模糊推理流程和解模糊策略；S05，基于所述输入变量和输出变量、所述输入输出模糊集、所述输入变量隶属度函数、所述输出变量隶属度函数、所述模糊控制规则、所述模糊推理流程以及所述解模糊策略，生成所述投喂量预估模型。其中，步骤S02中所述确定对应的输入输出模糊集的步骤进一步包括：分别确定各输入变量和输出变量分别对应的论域和模糊状态，以及各模糊状态分别对应的隶属度函数；相应的，所述S02的步骤进一步包括：S021，根据对所述样本鱼类的体重划分，确定多个体重模糊状态，根据对鱼群生长环境的水温等级划分，确定多个水温模糊状态，并根据对投喂量的等级划分，确定多个投喂量模糊状态；S022，分别确定水温论域和各所述水温模糊状态分别对应的隶属度函数，以及鱼群体重论域和各所述体重模糊状态分别对应的隶属度函数；S023，基于所述鱼群体重论域，按给定算法公式计算投喂量论域，并确定各所述投喂量模糊状态分别对应的隶属度函数。其中，所述S021的步骤进一步包括：分别将所述样本鱼类的体重、所述目标鱼群的生长环境水温度和所述投喂量按照分别对应的划分规则进行等级划分，并对应确定相应的所述体重模糊状态、所述水温模糊状态和所述投喂量模糊状态。其中，所述S021的步骤进一步包括：将所述样本鱼类的体重划分为四个等级，相应的，确定所述体重模糊状态为很小MS、小S、适中M或大L；将所述目标鱼群的生长环境水温度划分为五个等级，相应的，确定所述水温模糊状态为很低TVL、低TL、适中TME、高TH或很高TVH；将所述投喂量划分为六个等级，相应的，确定所述投喂量模糊状态为非常少NB、少NM、较少NS、较多PS、多PM或非常多PB。其中，所述S022的步骤进一步包括：确定所述水温论域为[20℃,40℃]，并选取所述很低TVL和所述很高TVH所对应的隶属度函数均为梯形函数，所述低TL、所述适中TME和所述高TH所对应的隶属度函数均为三角形函数；确定所述鱼群体重论域为[100g,400g]，并选取所述很小MS、所述小S、所述适中M以及所述大L所对应的隶属度函数均为三角形函数。其中，在步骤S023中按如下算法公式计算所述投喂量论域：a＝w*n*r；式中，a表示日投喂量，w表示鱼的体重，n表示鱼的尾数，r表示日投喂率。其中，所述S023的步骤进一步包括：确定所述投喂量论域为[100g,300g]，并选取所述非常少NB、所述少NM、所述较少NS、所述较多PS、所述多PM和所述非常多PB所对应的隶属度函数均为三角形函数。其中，所述S03的步骤进一步包括：基于所述体重模糊状态、所述水温模糊状态和所述投喂量模糊状态，生成相应的IF-THEN型条件语句规则表。本专利技术提供的一种基于模糊算法的水产鱼类投喂量预估方法，同时考虑目标鱼群的平均体重以及鱼缸中水的温度，利用建立的投喂量预估模型，实现对目标鱼群投喂量的预估，能够有效提高数据测量的准确率，从而更精确的进行鱼类投喂量的决策计算，有效避免鱼料浪费、水质污染及影响产量等问题。附图说明图1为根据本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法的控制原理图；图2为本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法的流程图；图3为根据本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法中建立投喂量预估模型的流程图；图4为根据本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法中确定输入输出模糊集的流程图；图5为根据本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法中输入变量和输出变量的映射关系示意图；图6为本专利技术实施例另一种基于模糊算法的水产鱼类投喂量预估方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。作为本专利技术实施例的一个实施例，本实施例提供一种基于模糊算法的水产鱼类投喂量预估方法，参考图1，为根据本专利技术实施例一种基于模糊算法的水产鱼类投喂量预估方法的控制原理图，包括：基于目标鱼群的平均体重以及所述目标鱼群的生长环境水温度，利用投喂量预估模型，预估对所述目标鱼群的投喂量；其中，所述投喂量预估模型为预先根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法建立的。可以理解为，饲料是水产养殖中的可变成本之一，而投喂策略是影响饲料摄食量和水环境的主要因素。本专利技术以罗非鱼为研究对象，同时考虑环境因素即水温和鱼缸中鱼的平均体重两个因素，用温度传感器和人工称重的办法分别测的其值后，通过建立模糊控制模型，计算实际的投喂量。在实施本实施例的技术方案之前，预先对目标鱼群的平均体重以及该目标鱼群所生长的水中的温度进行了测量和采集。例如采用人工称重的方法测得目标鱼群的平均体重，利用温度传感器测得目标鱼群生长环境水温度。另外，根本文档来自技高网...

【技术保护点】
1.一种基于模糊算法的水产鱼类投喂量预估方法，其特征在于，包括：基于目标鱼群的平均体重以及所述目标鱼群的生长环境水温度，利用投喂量预估模型，预估对所述目标鱼群的投喂量；其中，所述投喂量预估模型为预先根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法建立的。

【技术特征摘要】
1.一种基于模糊算法的水产鱼类投喂量预估方法，其特征在于，包括：基于目标鱼群的平均体重以及所述目标鱼群的生长环境水温度，利用投喂量预估模型，预估对所述目标鱼群的投喂量；其中，所述投喂量预估模型为预先根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法建立的。2.根据权利要求1所述的方法，其特征在于，所述根据对所述目标鱼群对应的鱼类体重和所述目标鱼群的生长环境水温度的模糊化处理，并采用模糊算法对所述投喂量预估模型进行建立的步骤具体包括：S01，基于所述目标鱼群的种类和生长特性，确定模型输入变量和输出变量；S02，根据所述目标鱼群对应的鱼类，选取样本鱼类，并将所述样本鱼类的体重、所述目标鱼群的生长环境水温度以及投喂量分别进行模糊化处理，确定对应的输入输出模糊集；S03，基于所述样本鱼类的生长特性，确定输入变量隶属度函数和输出变量隶属度函数，并制定模糊控制规则；S04，根据给定规则，确定模糊推理流程和解模糊策略；S05，基于所述输入变量和输出变量、所述输入输出模糊集、所述输入变量隶属度函数、所述输出变量隶属度函数、所述模糊控制规则、所述模糊推理流程以及所述解模糊策略，生成所述投喂量预估模型。3.根据权利要求2所述的方法，其特征在于，步骤S02中所述确定对应的输入输出模糊集的步骤进一步包括：分别确定各输入变量和输出变量分别对应的论域和模糊状态，以及各模糊状态分别对应的隶属度函数；相应的，所述S02的步骤进一步包括：S021，根据对所述样本鱼类的体重划分，确定多个体重模糊状态，根据对鱼群生长环境的水温等级划分，确定多个水温模糊状态，并根据对投喂量的等级划分，确定多个投喂量模糊状态；S022，分别确定水温论域和各所述水温模糊状态分别对应的隶属度函数，以及鱼群体重论域和各所述体重模糊状态分别对应的隶属度函数；S023，基于所述鱼群体重论域，按给定算法公式计算投喂量论域，并确定各所述投喂量模糊状态分别...

【专利技术属性】
技术研发人员：周超，陈澜，孙传恒，吝凯，徐大明，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：北京,11