【技术实现步骤摘要】
一种水产养殖监控方法、装置及存储介质
本专利技术涉及水产养殖
,尤其涉及一种水产养殖监控方法、装置及存储介质。
技术介绍
水产养殖业是我国农业中的重要产业之一。传统的水产养殖技术仍相对粗放,养殖过程中病害防控等配套技术相对较差,其结果是水产养殖产量,经济效益都不高。因此,为了适应日益扩大的养殖产业的发展需求,亟待一种能够及时、有效预防养殖产品疾病的大规模爆发的方法。
技术实现思路
为解决现有存在的技术问题,本专利技术实施例提出一种水产养殖监控方法、装置及存储介质,能够对养殖产品疾病的大规模爆发提供及时、有效的预警,从而方便相关养殖人员进行相应的疾病预防处理。本专利技术实施例提供一种水产养殖监控方法,所述方法包括:采集水质参数数据及养殖产品生命信息数据;利用第一水质预测模型,对采集的水质参数数据进行分析,得到水质参数变化的预测结果;并利用采集的养殖产品生命信息数据,得到养殖产品的活跃指数;利用得到的水质参数变化的预测结果和养殖产品的活跃指数,确定是否发出疾病易发预警信息 ...
【技术保护点】
1.一种水产养殖监控方法,其特征在于,所述方法包括:/n采集水质参数数据及养殖产品生命信息数据;/n利用第一水质预测模型,对采集的水质参数数据进行分析,得到水质参数变化的预测结果;并利用采集的养殖产品生命信息数据,得到养殖产品的活跃指数;/n利用得到的水质参数变化的预测结果和养殖产品的活跃指数,确定是否发出疾病易发预警信息。/n
【技术特征摘要】
1.一种水产养殖监控方法,其特征在于,所述方法包括:
采集水质参数数据及养殖产品生命信息数据;
利用第一水质预测模型,对采集的水质参数数据进行分析,得到水质参数变化的预测结果;并利用采集的养殖产品生命信息数据,得到养殖产品的活跃指数;
利用得到的水质参数变化的预测结果和养殖产品的活跃指数,确定是否发出疾病易发预警信息。
2.根据权利要求1所述的方法,其特征在于,所述利用第一水质预测模型,对采集的水质参数数据进行分析,得到水质参数变化的预测结果,包括:
采用差分整合移动平均自回归ARIMA模型和径向基函数RBF神经网络模型对采集的水质参数数据进行分析,得到水质参数变化的预测结果。
3.根据权利要求2所述的方法,其特征在于,所述采用ARIMA模型和RBF神经网络模型对采集的水质参数数据进行分析,得到水质参数变化的预测结果,包括:
将采集的水质参数数据划分为线性部分和非线性部分;
采用ARIMA模型对所述线性部分进行预测,得到所述线性部分的预测结果;
采用RBF神经网络模型对所述非线性部分进行预测,得到所述非线性部分的预测结果;
根据所述线性部分的预测结果和所述非线性部分的预测结果,得到水质参数变化的预测结果。
4.根据权利要求1所述的方法,其特征在于,所述利用得到的水质参数变化的预测结果和养殖产品的活跃指数,确定是否发出疾病易发预警信息,包括:
利用得到的水质参数变化的预测结果和养殖产品的活跃指数,结合疾病易发参考数据库中的数据,确定是否发出疾病易发预警信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
按照预设规则获得多个水样;所述多个水样中的水质参数不同;
采集在各水样中的养殖产品的生命信息数据,得到水质参数的变化与养殖产品的生命...
【专利技术属性】
技术研发人员:唐冰,桂燕兴,马真,
申请(专利权)人:中移苏州软件技术有限公司,中国移动通信集团有限公司,
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。