面向无水贮藏环境下的氧气含量动态预测方法及装置制造方法及图纸

本发明专利技术提供一种面向无水贮藏环境下的氧气含量动态预测方法及装置，所述氧气含量动态预测方法包括：计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。本发明专利技术提供的氧气含量动态预测方法可以准确获取无水贮藏环境中的氧气含量，可以有效避免单一氧气获取方法造成的偶然误差，可以有效提高贮藏时生物体因缺氧带来的经济损失。

【技术实现步骤摘要】
面向无水贮藏环境下的氧气含量动态预测方法及装置
本专利技术涉及检测
，更具体地，涉及一种面向无水贮藏环境下的氧气含量动态预测方法及装置。
技术介绍
随着人们生活水平的提高，人们对各类农产品、海鲜产品的需求量增加，这要求市场保证充足的供应量，但是不同种类的生物体对生存环境有一定的要求，且主要的供应来源是沿海城市和其他养殖户，在大部分地区难以做到现卖现捞，这就需要将各类农产品、海鲜产品进行大量运输，并在销售点的暂存，但是无论是在运输中，还是在暂养中，生物体因为贮藏空间大小、贮藏密度等问题造成身体缺氧而发生的死亡屡见不鲜，所以需要对其贮藏空间的氧气含量进行监测并进行预测，以便及时处理，降低经济成本，提高营养价值和运输效率。目前，关于生物体无水贮藏环境中氧气含量的预测较少，针对某个变量的预测方法很多，如时间序列预测方法、神经网络、模糊控制方法和灰度预测等，但是这些方法集中于从变量自身变化角度或者从多个变量集中出发进行训练的方法，前者依赖于采集数据的准确性，如果传感器或其他采集装置发生故障，便不能得到重要参数的数据，预测方法就没有效果，且单一因素的变化也容易受到其他因素的影响，预测时不能排除在外；后者利用训练方法，没有具体的公式，实现的硬件成本较大，并不能满足大众需求，即便有具体公式也存在运算过程复杂，运算时间长的缺点。
技术实现思路
为了至少部分地克服现有技术中存在的上述问题，本专利技术提供一种面向无水贮藏环境下的氧气含量动态预测方法及装置。根据本专利技术的一个方面，本专利技术提供一种面向无水贮藏环境下的氧气含量动态预测方法，包括：计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。其中，还包括：基于样本中每个生物体的身体特征参数，利用模糊控制模型对所述样本进行分组；获取每组样本在无水贮藏环境中二氧化碳、温度、湿度以及氧气的时间序列。其中，还包括：对于任一样本组，分别对二氧化碳、温度、湿度以及氧气的时间序列进行累加重组，以获得新的二氧化碳、温度、湿度以及氧气的时间序列。其中，根据每组样本中生物体贮藏时间长短和贮藏密度以设置时间节点。其中，所述参数为二氧化碳、温度或者湿度。根据本专利技术的另一个方面，本专利技术提供一种面向无水贮藏环境下的氧气含量动态预测装置，包括：关联系数计算模块，用于计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；关联度获取模块，用于基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；氧气含量动态预测模块，用于基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。其中，还包括：数据采集模块，用于基于样本中每个生物体的身体特征参数，利用模糊控制模型对所述样本进行分组；获取每组样本在无水贮藏环境中二氧化碳、温度、湿度以及氧气的时间序列。其中，还包括：数据累加重组单元，用于对于任一样本组，分别对二氧化碳、温度、湿度以及氧气的时间序列进行累加重组，以获得新的二氧化碳、温度、湿度以及氧气的时间序列。其中，还包括：时间节点设置单元，用于根据每组样本中生物体贮藏时间长短和贮藏密度以设置时间节点。其中，还包括：报警模块；其中，所述报警模块，用于当所述氧气含量动态预测模块的氧气含量预测值超过预设阀值时，所述报警模块进行报警。综上，本专利技术提供一种面向无水贮藏环境下的氧气含量动态预测方法及装置，所述氧气含量动态预测方法为：计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。本专利技术提供的氧气含量动态预测方法可以准确获取无水贮藏环境中的氧气含量，可以有效避免单一氧气获取方法造成的偶然误差，可以有效提高贮藏时生物体因缺氧带来的经济损失。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为根据本专利技术实施例的一种面向无水贮藏环境下的氧气含量动态预测方法的流程示意图；图2为根据本专利技术实施例的一种面向无水贮藏环境下的氧气含量动态预测装置的结构框图。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，下面将结合附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，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。图1为根据本专利技术实施例的一种面向无水贮藏环境下的氧气含量动态预测方法的流程示意图，如图1所示，包括：S1，计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；具体地，对每组样本环境中的二氧化碳X、温度Y、湿度Z、氧气L进行数据获取，分别构成二氧化碳时间序列Xi(i＝1,2,3，…n，…)，温度时间序列Yi(i＝1,2,3，…n，…)，湿度时间序列Zi(i＝1,2,3，…n，…)，氧气时间序列Li(i＝1,2,3，…n，…)。针对获取到的二氧化碳、温度以及湿度的时间序列，计算同时刻二氧化碳、温度以及湿度与氧气之间的关联系数，获得二氧化碳、温度以及湿度的变化与氧气变化的相关关系，以此作为最佳参考变量选取的标准。具体利用下式计算关联系数：其中Δ是某时刻某环境参数与氧气之间的绝对差值；minΔ是最小的两级差；maxΔ是最大的两级差；ρ是分辨率，0＜ρ＜1，通常取0.5。S2，基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；具体利用下式计算关联度大小：其中n表示两个相邻节点间所求二氧化碳、温度以及湿度与氧气获得的关联系数的个数。S3，基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。优选地，参数为二氧化碳、温度或者湿度。在本步骤中，利用步骤S2中获得的关联度大小，获得最大关联度对应的参数的原始数据时间序列，得到氧气含量动态预测模型中的主要参数，结合氧气时间序列，建立氧气含量的动态预测模型。具体利用下式建立氧气动态预测模型：其中μ、α为与最大关联度对应的参数序列相关，利用其序列进行计算：其中A为最大关联度对应的参数序列构成的数据矩阵；B是最大关联度对应的参数序列。在本专利技术实施例中，计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时本文档来自技高网...

【技术保护点】
1.一种面向无水贮藏环境下的氧气含量动态预测方法，其特征在于，包括：计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。

【技术特征摘要】
1.一种面向无水贮藏环境下的氧气含量动态预测方法，其特征在于，包括：计算每组样本在无水贮藏环境下二氧化碳、温度以及湿度的时间序列与氧气的时间序列之间的关联系数；基于所述关联系数，获取两个相邻时间节点间二氧化碳、温度以及湿度与氧气之间的关联度；基于氧气的时间序列和上述关联度中的最大关联度所对应的参数的时间序列，建立氧气含量动态预测模型，以实现无水贮藏环境下的氧气含量动态预测。2.根据权利要求1所述的氧气含量动态预测方法，其特征在于，还包括：基于样本中每个生物体的身体特征参数，利用模糊控制模型对所述样本进行分组；获取每组样本在无水贮藏环境中二氧化碳、温度、湿度以及氧气的时间序列。3.根据权利要求2所述的氧气含量动态预测方法，其特征在于，还包括：对于任一样本组，分别对二氧化碳、温度、湿度以及氧气的时间序列进行累加重组，以获得新的二氧化碳、温度、湿度以及氧气的时间序列。4.根据权利要求1所述的氧气含量动态预测方法，其特征在于，根据每组样本中生物体贮藏时间长短和贮藏密度以设置时间节点。5.根据权利要求1所述的氧气含量动态预测方法，其特征在于，所述参数为二氧化碳、温度或者湿度。6.一种面向无水贮藏环境下的氧气含量动态预测装置，其特征在于，包括：关联系数计算模块，用于计算每组样本在无水贮藏环...

【专利技术属性】
技术研发人员：张小栓，张永军，高乾钟，肖新清，刘艳，傅泽田，刘雪，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11