The embodiment of the invention provides a prediction method and device for dissolved oxygen in aquaculture. The method comprises the following steps: obtaining the water quality parameters and environmental meteorological parameters of the aquaculture pond as the data to be analyzed, wherein the water quality parameters include dissolved oxygen content; adopting the principal component analysis method to reduce the dimension and analyze the data to be analyzed, obtaining the principal component affecting the change of dissolved oxygen in the water quality, and determining the principal component according to the principal component. The key influence factor data of DO in water quality are input into the trained LSTM network model, and the prediction data of DO content in the culture pond are obtained according to the output results of the LSTM network model. The embodiment of the invention solves the problems of low prediction accuracy and poor stability of the traditional prediction model, realizes high-efficiency prediction of dissolved oxygen content in water quality, and provides decision-making basis for the regulation and management of dissolved oxygen in aquaculture water quality.
【技术实现步骤摘要】
一种水产养殖溶解氧预测方法及装置
本专利技术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。
技术介绍
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。
技术实现思路
针对现有技术存在的问题,本专利技术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,本专利技术实施例提 ...
【技术保护点】
1.一种水产养殖溶解氧预测方法,其特征在于,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。
【技术特征摘要】
1.一种水产养殖溶解氧预测方法,其特征在于,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。2.根据权利要求1所述的方法,其特征在于,所述水质参数包括:溶解氧和水温;所述环境气象参数包括:雨量、风速、风向、太阳辐射、空气温度、空气湿度、大气压强、土壤水分和土壤温度中的多种。3.根据权利要求1所述的方法,其特征在于,所述采用主成分分析法对所述待分析数据进行降维和分析,之前还包括以下处理中的一种或多种:采用线性插值法对所述待分析数据的缺失数据进行修复、采用均值平滑法对所述待分析数据的异常数据进行剔除并还原,以及对所述待分析数据进行归一化处理。4.根据权利要求1-3任一项所述的方法,其特征在于,所述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,具体包括:根据所述待分析数据的水质参数和环境气象参数,计算相关系数矩阵,并获取所述相关系数矩阵的特征值;根据所述相关系数矩阵的特征值,计算主成分贡献率与累计贡献率;根据所述主成分贡献率与累计贡献率,计算主成分载荷矩阵,并利用所述主成分载荷矩阵筛选出水质溶解氧的关键影响因子数据。5.根据权利要求1所述的方法,其特征在于,所述LSTM网络模型的存储单元包括输入门i、输出门o、遗忘门f和细胞状态c,其中,遗忘门确定需要从细胞状态中忘记的信息,输入门确定细胞状态中需要更新的信息,输出门确定需要输出的信息;所述存储单元的计算过程通过如下公式表示:it=σ(wixxt+wihht-1+wicct-1+bi);ft=σ(wfxxt+wfhht-1+wfcct-1+bf);ot=σ(woxxt+wohht-1+wocct-1+bo);ct=ftct-1+ittanh(wcxxt+wchht-1+bo);其中,ht=ottanh(ct),it、ft、ot分别为t时刻输入门、遗忘门和输出门的计算方法;ct为t时刻记忆细胞的计算方法;ht为t时间点LSTM单元的所有输出;σ和tanh分别表示sigmoid和双曲正切激活函数;wix、wih、wic分别表示输入特征向量、隐藏层单元、单元激活向量与输入门之间的权重系数矩阵;wfx、wfh、wfc分别表示输入特征向量、隐藏层单元、单元激活向量与遗忘...
【专利技术属性】
技术研发人员:陈英义,程倩倩,成艳君,刘烨琦,方晓敏,龚川洋,于辉辉,
申请(专利权)人:中国农业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。