The invention provides a method for detecting dissolved oxygen in aquaculture water, and belongs to the field of aquaculture. This method takes the historical data as the data set, establishes the artificial intelligence model based on BP neural network to detect the dissolved oxygen value, and calculates the dissolved oxygen value according to the temperature, turbidity, pH value and the time of data acquisition without using the dissolved oxygen sensor. Because the dissolved oxygen detection sensor is expensive, the maintenance cycle is short, and the absorption of impurities in the water body will cause large reading deviation. According to the multivariate correlation and data fusion, the invention uses the neural network model, and does not rely on the dissolved oxygen sensor in the actual dissolved oxygen detection, thus saving the cost and being able to simultaneously. To solve the problem of inaccurate reading of dissolved oxygen caused by impurities adsorption.
【技术实现步骤摘要】
一种水产养殖水质溶解氧检测方法
本专利技术属于水产养殖领域,涉及使用神经网络算法,尤其使用历史数据训练构建溶解氧的检测模型,在不使用溶解氧传感器的情况下,实现检测水质溶解氧的目的。
技术介绍
水产养殖是我国的重要产业之一,而溶解氧又是检测养殖水域环境是否适合水产养殖的重要参数之一。但是检测水中溶解氧浓度的传感器价格昂贵,易受到侵蚀损坏或受到水中悬浮物吸附造成溶解氧传感器读数不准确,会带来大量的成本支出。溶解氧与水中的水生植物和藻类有很大的关系,因为水生植物和藻类通过光合作用产生的氧气溶于水的量大于来自于空气中氧气溶于水的量,而光合作用与一天的时刻、温度、pH以及浊度有关。因此通过测定温度、pH、浊度及记录下数据采集的时刻,利用多数据的相关性和融合,通过人工智能的方法,即可实现不需要溶解氧传感器即能达到溶解让检测的目的。目前市场上的溶解氧检测传感器价格较高,而且在养殖水域使用寿命较短,易受到侵蚀,或者溶解氧传感器易受吸附物的影响而降低数据的准确性,所以间接提高了养殖成本和数据的可靠性,因此本专利技术有重要的实用价值。
技术实现思路
为了降低养殖成本,本专利技术提供一种水产养殖水质溶解氧检测方法。本专利技术的技术方案:一种水产养殖水质溶解氧检测方法,将历史采集的数据作为数据集,基于BP神经网络建立检测溶解氧数值的人工智能模型,在神经网络训练好后,在不使用溶解氧传感器测定溶解氧的情况下,根据温度、浊度、pH值和数据采集的时刻计算溶解氧数值,步骤如下:S1:使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和数据采集的时刻构建数据集;S2:对数据集中的数据进行清洗 ...
【技术保护点】
1.一种水产养殖水质溶解氧检测方法,其特征在于,包括以下步骤:S1:使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和数据采集的时刻构建数据集;S2:对数据集中的数据进行清洗和归一化处理,构建样本集;S3:以交叉验证的方法从样本集中选取训练集和测试集,构建BP神经网络;以训练集中的温度、浊度、pH值和数据采集的时刻作为输入变量,溶解氧数值作为输出变量来训练BP神经网络;通过测试集测试BP神经网络的精度,当BP神经网络达到精度要求后,建立溶解氧BP神经网络模型;S4:采集实时养殖水域的温度、浊度、pH值并记录数据采集的时刻,运用步骤S3建立的溶解氧BP神经网络模型,计算得到养殖水域的溶解氧数据。
【技术特征摘要】
1.一种水产养殖水质溶解氧检测方法,其特征在于,包括以下步骤:S1:使用历史采集的养殖水域的溶解氧数值、温度、浊度、pH值和数据采集的时刻构建数据集;S2:对数据集中的数据进行清洗和归一化处理,构建样本集;S3:以交叉验证的方法从样本集中选取训练集和测试集,构建BP神经网络;以训练集中的温度、浊度、pH值和数据采集的时刻作为输入变量,溶解氧数值作为输出变量来训练BP神经网络;通过测试集测试BP神经网络的精度,当BP神经网络达到精度要求后,建立溶解氧BP神经网络模型;S4:采集实时养殖水域的温度、浊度、pH值并记录数据采集的时刻,运用步骤S3建立的溶解氧BP神经网络模型,计算得到养殖水域的溶解氧数据。2.根据权利要求1所述的一种水产养殖水质溶解氧检测方法,其特征在于,所述步骤S2归一化处理后,先利用中值滤波法对数据进行滤波降噪,然后构建样...
【专利技术属性】
技术研发人员:郭亚,李无言,蒋永年,胡凯,朱南阳,刘旭,朱启兵,黄敏,
申请(专利权)人:江南大学,江苏中农物联网科技有限公司,
类型:发明
国别省市:江苏,32
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。