一种鱼塘水质智能监测系统技术方案

本发明专利技术公开了一种鱼塘水质智能监测系统，其特征在于：所述由基于无线传感器网络的鱼塘水质参数检测平台和鱼塘产量智能预测系统二部分组成；本发明专利技术有效解决了现有技术仅依靠设备监测鱼塘水质参数，只获取鱼塘水质参数，而无有效根据鱼塘水质对鱼塘产量影响对鱼塘产量进行预测问题。

An Intelligent Water Quality Monitoring System for Fishponds

【技术实现步骤摘要】
一种鱼塘水质智能监测系统
本专利技术涉及农业养殖自动化装备的
，具体涉及一种鱼塘水质智能监测系统。
技术介绍
随着水产养殖工厂化和精细养殖程度的提高,及时掌握水质的动态变化,提前预测水质情况是工厂化养殖亟待解决的重要问题。渔业养殖水域是水产养殖动物的生活环境，每一种水产养殖动物都需要有适合其生存的水质环境。水质环境若能满足要求，水产养殖动物就能生长和繁殖，如果水质环境中的水受到某种污染，某些水质指标超出水产养殖动物的适应和忍耐范围，轻者水产养殖动物不能正常生长，重者可能造成水产养殖动物大批死亡。近些年来，国内外许多学者对水产养殖监测技术进行了大量研究，有效地提高了传统水产养殖的精准管理水平。宋敬德等人开发的工厂化水产养殖的多点水质在线监测系统具有位置灵活，测量准确、方便的优点，但需要人工观测或周期接入计算机读出历史数据，无法实现实时监测和自动控制。吴沧海等人开发的渔业水质自动监控系统，解决了渔业生产过程中增氧、投饲、污水零排放和水质自动调理等环节的控制技术，为养殖业的科学管理提供了很大的方便；但是该监控系统价格昂贵、安装复杂、维护困难且不易操作，不适合我国现有的中小型水产公司和个人使用。李增祥等人设计的基于AVR单片机的鱼塘溶解氧监测系统能够实时监测并控制增氧机的开关；但是由于该系统监测和控制必须在一起，不能够进行无线控制，对控制增氧机的电路要求很高，不易实现，在渔塘和供电室距离较远的实际情况中不适合使用。在国外，HamiltionS.J.et研制了一种水质养殖监测系统，EbelingJ.M.研制了基于计算机管理的养殖水质在线系统，但进口设备价格昂贵，不适合我国养殖业现状需求。随着淡水养殖业中网箱养殖和水池养殖模式的日益推广和普及,养殖密度不断提高,饲料的投放、疾病防治、水温、PH值和水中溶解氧浓度的检测与控制对提高养殖产量与质量非常重要,其中溶解氧浓度检测与控制成为提高养殖密度和产量的关键。
技术实现思路
本专利技术提供了一种鱼塘水质智能监测系统，本专利技术有效解决了现有技术仅依靠设备监测鱼塘水质参数，只获取鱼塘水质参数，而无有效根据鱼塘水质对鱼塘产量影响对鱼塘产量进行预测问题。本专利技术通过以下技术方案实现：一种鱼塘水质智能监测系统由基于无线传感器网络的鱼塘水质参数检测平台和鱼塘产量智能预测系统二部分组成。基于无线传感器网络的鱼塘水质参数检测平台实现对鱼塘水质因子参数进行检测、调节和监控，鱼塘产量智能预测系统包括鱼产量组合预测子系统、溶解氧预测子系统和鱼塘产量校正模型三部分组成。本专利技术进一步技术改进方案是：基于无线传感器网络的鱼塘水质参数检测平台由检测节点、控制节点和现场监控端组成，它们以自组织方式通过无线通信模块NRF2401构建成鱼塘水质参数检测平台。检测节点分别由传感器组模块、单片机和无线通信模块NRF2401组成，传感器组模块负责检测鱼塘水质的溶解氧、温度、PH值和浊度等鱼塘水质参数，由单片机控制采样间隔并通过无线通信模块NRF2401发送给现场监控端；控制节点实现对鱼塘水质参数的调节设备进行控制；现场监控端由一台工业控制计算机组成，实现对检测节点检测鱼塘水质参数进行管理和对鱼塘产量预测。基于无线传感器网络的鱼塘水质参数检测平台见图1所示。本专利技术进一步技术改进方案是：鱼塘产量智能预测系统包括鱼产量组合预测子系统、溶解氧预测子系统和鱼塘产量校正模型三部分组成。鱼塘产量智能预测系统结构见图2所示。本专利技术进一步技术改进方案是：鱼产量组合预测子系统包括自回归积分滑动平均模型(ARIMA)、GM(1,1)灰色预测模型、Elman神经网络预测模型和Elman神经网络鱼塘产量融合模型组成，针对历年鱼塘产量的非线性与变化复杂的特点，分别建立自回归积分滑动平均模型(ARIMA)、GM(1,1)灰色预测模型和Elman神经网络预测模型三种单一预测子模型分别预测鱼塘产量值，一个时延段的历年鱼塘产量数据分别作为三种单一预测子模型的输入，三种单一预测子模型的输出作为Elman神经网络鱼塘产量融合模型的输入，Elman神经网络鱼塘产量融合模型为鱼塘产量非线性组合预测模型的逼近器，实现对三种单一预测子模型结果的融合作为鱼塘产量的预测值，鱼产量组合预测子系统利用三种单一预测子模型的信息，实现预测信息之间的互补，提高了鱼塘产量组合预测子系统的鲁棒性，预测结果更科学和准确。本专利技术进一步技术改进方案是：溶解氧预测子系统包括鱼塘溶解氧减法聚类分类器、多个小波神经网络预测模型和小波神经网络鱼塘溶解氧预测值融合模型，利用鱼塘溶解氧减法聚类分类器对鱼塘多点溶解氧测量值进行分类，每类鱼塘多点溶解氧测量值输入对应的小波神经网络预测模型，多个小波神经网络预测模型的输出作为小波神经网络鱼塘溶解氧预测值融合模型的输入，小波神经网络鱼塘溶解氧预测值融合模型的输出为鱼塘溶解氧预测值，溶解氧预测子系统根据鱼塘多点溶解氧测量值预测鱼塘溶解未来值。本专利技术进一步技术改进方案是：鱼塘产量校正模型由4个微分算子和Elman神经网络组成，4个微分算子平均分成2组，每组2个微分算子相串联分别构成微分回路1和微分回路2，鱼产量组合预测子系统的输出为Elman神经网络的a端的输入；溶解氧预测子系统的输出为微分回路1的输入和Elman神经网络的D端的输入，微分回路1的输出为Elman神经网络的b输入端，微分回路1的2个微分算子的连接端的输出为Elman神经网络的C输入；鱼塘产量校正模型的输出为微分回路2的输入，微分回路2的输出为Elman神经网络的E输入，微分回路2的2个微分算子的连接端的输出为Elman神经网络的F输入；Elman神经网络由16个输入端节点、10个中间节点和1个输出端节点组成，输出端节点的数值代表鱼塘产量，微分算子在MATLAB中调用，鱼塘产量校正模型根据鱼塘溶解氧对鱼塘产量的影响实现对鱼塘产量预测值的校正，反映了鱼塘溶解氧的实际值变化对鱼塘产量的影响，提高鱼塘产量预测的精确度。本专利技术与现有技术相比，具有以下明显优点：一、本专利技术采用多个GM(1,1)灰色预测模型预测池塘鱼产量的时间跨度长。用GM(1,1)灰色预测模型模型可以根据池塘鱼产量的历史参数值预测未来时刻池塘鱼产量，用上述方法预测出的池塘鱼产量后，把它们再加分别加入池塘鱼产量的原始数列中，相应地去掉数列开头的一个数据建模，再进行预测池塘鱼产量。依此类推，预测出池塘鱼产量。这种方法称为等维灰数递补模型，它可实现较长时间的预测。养殖户可以更加准确地掌握池塘鱼产量的变化趋势，为搞好池塘鱼生产管理做好准备。二、本专利技术采用ARIMA模型预测池塘鱼产量整合了池塘鱼产量变化的趋势因素、周期因素和随机误差等因素的原始时间序列变量，通过差分数据转换等方法将非平稳序列转变为零均值的平稳随机序列，通过反复识别和模型诊断比较并选择理想的模型进行池塘鱼产量数据拟合和预测。该方法结合了自回归和移动平均方法的长处，具有不受数据类型束缚和适用性强的特点，是一种对池塘鱼产量进行短期预测效果较好的模型。三、本专利技术所采用的ELman网络预测池塘鱼产量，该模型的Elman神经网络一般分为4层:输入层、中间层(隐含层)、承接层和输出层,其输入层、隐含层和输出层的连接类似于前馈网络,输入层的单元仅起信号传输作用,输出层单元起线性加权作用。本文档来自技高网...

【技术保护点】
1.一种鱼塘水质智能监测系统，其特征在于：所述由基于无线传感器网络的鱼塘水质参数检测平台和鱼塘产量智能预测系统二部分组成；鱼塘产量智能预测系统包括鱼产量组合预测子系统、溶解氧预测子系统和鱼塘产量校正模型三部分组成；所述鱼产量组合预测子系统包括自回归积分滑动平均模型（ARIMA）、GM（1,1）灰色预测模型、Elman神经网络预测模型和Elman神经网络鱼塘产量融合模型组成，针对历年鱼塘产量的非线性与变化复杂的特点，分别建立自回归积分滑动平均模型（ARIMA）、GM（1,1）灰色预测模型和Elman神经网络预测模型三种单一预测子模型分别预测鱼塘产量值，一个时延段的历年鱼塘产量数据分别作为三种单一预测子模型的输入，三种单一预测子模型的输出作为Elman神经网络鱼塘产量融合模型的输入，Elman神经网络鱼塘产量融合模型为鱼塘产量非线性组合预测模型的逼近器，实现对三种单一预测子模型结果的融合作为鱼塘产量的预测值，鱼产量组合预测子系统利用三种单一预测子模型的信息，实现预测信息之间的互补；所述溶解氧预测子系统包括鱼塘溶解氧减法聚类分类器、多个小波神经网络预测模型和小波神经网络鱼塘溶解氧预测值融合模型，利用鱼塘溶解氧减法聚类分类器对鱼塘多点溶解氧测量值进行分类，每类鱼塘多点溶解氧测量值输入对应的小波神经网络预测模型，多个小波神经网络预测模型的输出作为小波神经网络鱼塘溶解氧预测值融合模型的输入，小波神经网络鱼塘溶解氧预测值融合模型的输出为鱼塘溶解氧预测值，溶解氧预测子系统根据鱼塘多点溶解氧测量值预测鱼塘溶解未来值；所述鱼塘产量校正模型由4个微分算子和Elman神经网络组成， 4个微分算子平均分成2组，每组2个微分算子相串联分别构成微分回路1和微分回路2，鱼产量组合预测子系统的输出为Elman神经网络的a端的输入；溶解氧预测子系统的输出为微分回路1的输入和Elman神经网络的D端的输入，微分回路1的输出为Elman神经网络的b输入端，微分回路1的2个微分算子的连接端的输出为Elman神经网络的C输入；鱼塘产量校正模型的输出为微分回路2的输入，微分回路2的输出为Elman神经网络的E输入，微分回路2的2个微分算子的连接端的输出为Elman神经网络的F输入；Elman神经网络由16个输入端节点、10个中间节点和1个输出端节点组成，输出端节点的数值代表鱼塘产量，鱼塘产量校正模型根据鱼塘溶解氧对鱼塘产量的影响实现对鱼塘产量预测值的校正，反映了鱼塘溶解氧的实际值变化对鱼塘产量的影响。...

【技术特征摘要】
1.一种鱼塘水质智能监测系统，其特征在于：所述由基于无线传感器网络的鱼塘水质参数检测平台和鱼塘产量智能预测系统二部分组成；鱼塘产量智能预测系统包括鱼产量组合预测子系统、溶解氧预测子系统和鱼塘产量校正模型三部分组成；所述鱼产量组合预测子系统包括自回归积分滑动平均模型（ARIMA）、GM（1,1）灰色预测模型、Elman神经网络预测模型和Elman神经网络鱼塘产量融合模型组成，针对历年鱼塘产量的非线性与变化复杂的特点，分别建立自回归积分滑动平均模型（ARIMA）、GM（1,1）灰色预测模型和Elman神经网络预测模型三种单一预测子模型分别预测鱼塘产量值，一个时延段的历年鱼塘产量数据分别作为三种单一预测子模型的输入，三种单一预测子模型的输出作为Elman神经网络鱼塘产量融合模型的输入，Elman神经网络鱼塘产量融合模型为鱼塘产量非线性组合预测模型的逼近器，实现对三种单一预测子模型结果的融合作为鱼塘产量的预测值，鱼产量组合预测子系统利用三种单一预测子模型的信息，实现预测信息之间的互补；所述溶解氧预测子系统包括鱼塘溶解氧减法聚类分类器、多个小波神经网络预测模型和小波神经网络鱼塘溶解氧预测值融合模型，利用鱼塘溶解氧减法聚类分类器对鱼塘多点溶解氧测量值进行分类，每类鱼塘多点溶解氧测量值输入对应的小波神经网络预测模型，多个小波神经网络预测模型的输出作为小波神经网络鱼塘溶解氧预测值融合模型的输入，小波神经网络鱼塘溶解氧预测值融合模型的输出为鱼塘溶解氧预测值，溶解氧预测子系统根据鱼塘多点溶解氧测量值预测鱼塘溶解未来值；所述鱼塘产量校正模型由4个微分算子和Elman神经网络组成，4个微分算子平均分成2组，每组2个微分算子相串联分别构成微分回路1...

【专利技术属性】
技术研发人员：陈思美，陈前亮，施亮，杨玉东，马海波，丁晓红，马从国，王建国，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32