The embodiment of the invention provides a method and a device for predicting dissolved oxygen in aquaculture. The method includes: data acquisition of water quality of aquaculture water; the water quality data collected are normalized to obtain the normalized data; LSTM neural network is the normalized data input default prediction model, model prediction data; the model predicts the number according to the anti normalization, get the dissolved oxygen prediction data. The embodiment of the invention the prediction model of water quality data collected by using the normalized input to the LSTM neural network model to predict the preset, get data, then the data were normalized against the model prediction can be obtained, the dissolved oxygen prediction data, solve the other water quality data can not be used in the prior art, the problem of predicting of dissolved oxygen and provide a new method for the prediction of dissolved oxygen, and improves the prediction accuracy of dissolved oxygen.
【技术实现步骤摘要】
水产养殖溶解氧预测方法及装置
本专利技术实施例涉及水产养殖
,尤其涉及一种水产养殖溶解氧预测方法及装置。
技术介绍
中国是水产养殖大国,水产品产量和质量的保证取决于养殖水质是否适合水生生物生存。影响溶解氧浓度的水质因素有很多,包括pH值,水温,浊度,盐度等;外部因素包括太阳辐射,空气温度,气压等。溶解氧是水生生物生存必不可少的条件,溶解氧浓度低于3mg/L时,就会引起鱼类死亡。因此,获取养殖水域的溶解氧数据对于水产养殖具有十分重要的意义。现有技术中溶解氧的预测方法主要分为两种类型:第一类是传统的预测方法,把经典数学作为理论基础,包括时间序列预测法、回归分析法、马尔科夫模型、水质模拟预测法等;第二类是基于人工智能的预测方法,包括灰色模型、人工神经网络预测法、支持向量机回归预测法等。这些预测方法都是针对检测到的溶解氧数据进行预测,当无法检测溶解氧只能检测其他水质信息时则无法获知水中的溶解氧数据,无法对水中的溶解氧数据进行预测。目前还没有一种方法可以在无法检测溶解氧数据的情况下对溶解氧数据进行预测,因此,提供一种利用其它水质数据对溶解氧进行预测的方法是目前业界亟待解决的技术问题。
技术实现思路
为了解决现有技术中存在的问题,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。一方面,本专利技术实施例提供一种水产养殖溶解氧预测方法,包括:采集水产养殖水域的水质数据;将采集到的水质数据进行归一化处理,得到归一化数据;将所述归一化数据输入预设的长短时记忆LSTM神经网络预测模型,得到模型预测数据;将所述模型预测数据进行反归一化处理,得到溶解氧预测数据。另一方面,本 ...
【技术保护点】
一种水产养殖溶解氧预测方法,其特征在于,包括:采集水产养殖水域的水质数据;将采集到的水质数据进行归一化处理,得到归一化数据;将所述归一化数据输入预设的LSTM神经网络预测模型,得到模型预测数据;将所述模型预测数据进行反归一化处理,得到溶解氧预测数据。
【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:采集水产养殖水域的水质数据;将采集到的水质数据进行归一化处理,得到归一化数据;将所述归一化数据输入预设的LSTM神经网络预测模型,得到模型预测数据;将所述模型预测数据进行反归一化处理,得到溶解氧预测数据。2.根据权利要求1所述的方法,其特征在于,所述水质数据包括:pH值、水温、浊度、氨氮含量和盐度中的一种或多种。3.根据权利要求1或2所述的方法,其特征在于,所述方法在采集水产养殖水域的水质数据之前,还包括:建立LSTM神经网络预测模型。4.根据权利要求3所述的方法,其特征在于,所述建立LSTM神经网络预测模型的方法包括:采集M组测试数据,所述测试数据包括水质数据及与之相应的溶解氧数据;将所述M组测试数据进行归一化处理,得到M组归一化测试数据,其中,所述水质数据进行归一化后称为归一化水质数据,所述溶解氧数据归一化之后称为归一化溶解氧数据;将所述归一化测试数据按组随机分为两部分,其中数量大于预设百分比的数据称为训练数据,用于训练模型调整权值;另一部分数据称为验证数据,用于验证模型;将所述训练数据中的归一化水质数据作为LSTM神经网络预测模型的输入,按照预设方法进行前向传播后得到预测溶解氧数据;将所述预测溶解氧数据与相应的归一化溶解氧数据进行比较,利用所述预测溶解氧数据与归一化溶解氧数据的误差进行反向传播,修正模型中的权值,得到修正的LSTM神经网络预测模型;将所述验证数据中的归一化水质数据作为修正的LSTM神经网络预测模型的输入,若输出的预测溶解氧数据与验证数据中的归一化溶解氧数据在预设误差范围内,则所述修正的LSTM神经网络预测模型为最终的LSTM神经网络预测模型。5.一种水产养殖溶解氧预测装置,其特征在于,包括:采集单元,用于采集水产养殖水域的水质数据...
【专利技术属性】
技术研发人员:李振波,李晨,朱玲,吴静,岳峻,李道亮,
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。