水产养殖水体水质预测系统和方法技术方案

本发明专利技术提供一种水产养殖水体水质预测系统，其包括一组水质传感器、至少一个气象站、云服务器和终端，其能够对评价水产养殖水体水质的多个指标进行预测，并综合各个水质指标参数的预测结果，从整体上预测未来一段时间内，水产养殖水体的水质状况。产养殖水体的水质状况。产养殖水体的水质状况。

【技术实现步骤摘要】
水产养殖水体水质预测系统和方法


[0001]本专利技术涉及水产养殖
，尤其涉及一种水产养殖水体水质预测系统。本专利技术还进一步涉及一种水产养殖水体水质预测方法。

技术介绍

[0002]水产养殖水体的水质管理是水产养殖的重要组成部分。尽管目前的各种水质检测手段可实现对水产养殖水体各水质指标，如含氧量，pH值等的实时检测，检测精确度也满足水产养殖水体实时检测的需要。但是，一般情况下，水产养殖水体水质的恶化存在一个渐进的过程，如果能够预测水质，提前预警和做好水质恶化的防控，对水产养殖具有重要意义。
[0003]国内外很多高校和学者都对水产养殖的水质监控和预测进行了研究。现有水质预测模型主要有机理模型、非机理模型、时序模型和机器学习模型。由于水环境是一个多变量、多因素和多条件影响的复杂系统，如果采用机理模型进行建模，所涉及的参数将会很多，涉及的学科也很多，机理探索非常复杂。因此，基于机理模型的水质参数预测模型和研究成果较少，应用也很少。更加普遍的研究主要集中在非机理模型上，采用这种算法思想的方法主要包括统计学和经验学习等方法，如：神经网络建模、时序回归算法和支持向量机方法，有些学者将机器学习的方法应用到水质参数的预测模型建立中来。水质参数的预测关键在于选择合适的算法，根据水质历史数据，对水质参数的未来变化趋势进行预估和推测，养殖人员根据预测值对水质进行精准的管理与调控，达到防止水质进一步恶化的目的，从而降低养殖风险。
[0004]然而，现有用于对水产养殖水体水质进行预测的水质预测模型还很不完善，大多数仅能对水产养殖水体单一水质指标和参数的未来变化趋势进行预测，而单一数值的好坏无法评判整体水质的质量，因此需要能够综合各个水质参数的水产养殖水体水质预测和预警模型和方法来预测水产养殖水整体水质的好坏状况。

技术实现思路

[0005]本专利技术的主要优势在于提供一种水产养殖水体水质预测系统，其能够对评价水产养殖水体水质的多个指标进行预测，并综合各个水质指标参数的预测结果，从整体上预测未来一段时间内，水产养殖水体的水质状况。
[0006]本专利技术的另一优势在于提供一种水产养殖水体水质预测系统，其包括一组水质传感器和至少一个气象站，其中该水质传感器呈三维网状布置在水产养殖水体内，该气象站搭建在水产养殖水体所在区域，以获取水产养殖水体所在区域的空间信息和气象信息，从而使本专利技术水产养殖水体水质预测系统能够将所述空间信息和所述气象信息作为水质评价参数整合应用在水质预测中。
[0007]本专利技术的另一优势在于提供一种水产养殖水体水质预测系统，其中本专利技术水产养殖水体水质预测系统的预测模型能够按照每个水质指标参数的合适范围进行综合评价，从而形成不同的预测信息，并对这些信息进行等级划分，从而方便操作人员或使用者根据不
同等级做出相应的应急处理措施，防止水质恶化。
[0008]本专利技术的另一优势在于提供一种水产养殖水体水质预测方法，其将基于多层注意力机制网络的地理传感器时间序列预测模型的水质预测方法与基于T
‑
S模糊神经网络模型的水质预测方法结合，从而将具有时间信息和空间信息的多种评价水质指标数据和多种外部影响因素(如气象信息、养殖类型和饲料投放等)作为水质评价参数整合进水质预测中。
[0009]本专利技术的其它目的和特点通过下述的详细说明得以充分体现并可通过所附权利要求中特地指出的手段和装置的组合得以实现。
[0010]相应地，依本专利技术，具有至少一个前述优势的本专利技术水产养殖水体水质预测系统包括：
[0011]一组水质传感器；
[0012]至少一个气象站，其中该水质传感器呈三维网状布置在水产养殖水体内，以实时检测其所在水产养殖水体的相应区域空间的水质和获取该水质传感器所在水产养殖水体的相应区域空间的水质数据和相应的空间信息，该气象站搭建在水产养殖水体所在区域，以获取水产养殖水体所在区域的空间信息和气象信息；
[0013]云服务器，用于接收、存储和发送所述水质数据和所述气象信息；和
[0014]终端，所述终端被程序化以能够通过水质预测模型，根据该水质传感器获得的其所在水产养殖水体的相应区域空间的水质数据和相应的空间信息，预测预设时间内，水产养殖水体的水质。
[0015]进一步地，该水质传感器获得的其所在水产养殖水体的相应区域空间的水质数据含有时间信息和空间信息。
[0016]进一步地，该水质预测模型基于多层注意力机制网络的地理传感器时间序列预测模型构建。
[0017]进一步地，该终端(或该水质预测模型)被设置以在水产养殖水体的水质被预测在该预设时间，该水产养殖水体的pH值低于6.5或高于8.5(淡水)，pH值低于7.0或高于8.5(海水)，每天溶解氧含量大于5的持续时间低于16小时，或任一时刻任何时刻溶解氧含量低于3，氨含量高于0.02，和/或氮含量高于0.05，提供一个预警信号。可以理解，该预警信号可以是文字、图形、声音、影像、编码、其它能够携带预警信息的信号或其结合。
[0018]进一步地，本专利技术水产养殖水体水质预测系统的该水质预测模型包括编码器和解码器，其中该编码器形成自第一长短期记忆神经网络(LSTM)，该解码器形成自第二长短期记忆神经网络，且该第一长短期记忆神经网络和该第二长短期记忆神经网络相互独立，其中该第一长短期记忆神经网络用于编码历史地理传感器时间序列值，该第二长短期记忆神经网络利用该第一长短期记忆神经网络形成的该编码器形成解码器，以根据该水质传感器获得的其所在水产养殖水体的相应区域空间的水质数据预测预设时间内的水产养殖水体水质。
[0019]进一步地，本专利技术水产养殖水体水质预测系统的该水质预测模型基于多层注意力机制网络的地理传感器时间序列和模糊神经网络构建，以能够该水质传感器获得的其所在水产养殖水体的相应区域空间的水质数据、气象信息和饲养信息进行处理和分析，从而给出水产养殖水体水质预测和预警。
[0020]进一步地，本专利技术水产养殖水体水质预测系统的该水质预测模型的该编码器被嵌
入空间注意力模块，其中该空间注意力模块被设置用于自适应地提取该水质数据的空间相关性，所述空间注意力模块包括局部空间注意力组件和全局空间注意力组件，其中该局部空间注意力组件被设置用于自适应地捕获目标水质数据与具有相同空间信息的其他水质数据之间的动态相关性，该全局空间注意力组件被设置用于自适应地捕获目标水质数据与具有不同空间信息的其它水质数据之间的动态相关性。
[0021]进一步地，本专利技术水产养殖水体水质预测系统的该水质预测模型的该编码器被嵌入时间注意力模块，其中该时间注意力模块被设置用于自适应地提取水质数据的时间信息，同时结合气象信息(环境温度、湿度、气压等)和饲养信息(养殖水产种类、饲料投放、水产密度等)等外部影响因素，优化预测模型和结果，实现将具有时间信息和空间信息的多种水质数据和多种外部影响因素(如气象信息和饲养信息等)作为水质参数的水质预测。
[0022]进一步地，本专利技术水产养殖水体水质预测系统的该水质预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水产养殖水体水质预测系统，其特征在于，包括：一组水质传感器；至少一个气象站，其中该水质传感器呈三维网状布置在水产养殖水体内，以实时检测其所在水产养殖水体的相应区域空间的水质和获取该水质传感器所在水产养殖水体的相应区域空间的水质数据和相应的空间信息，该气象站搭建在水产养殖水体所在区域，以获取水产养殖水体所在区域的空间信息和气象信息；云服务器，用于接收、存储和发送所述水质数据和所述气象信息；和终端，所述终端被程序化以能够通过水质预测模型，根据该水质传感器获得的其所在水产养殖水体的相应区域空间的水质数据和相应的空间信息，预测预设时间内，水产养殖水体的水质。2.根据权利要求1所述的水产养殖水体水质预测系统，其特征在于，所述水质数据含有时间信息和空间信息。3.根据权利要求1所述的水产养殖水体水质预测系统，其特征在于，该水质预测模型基于多层注意力机制网络的地理传感器时间序列预测模型构建。4.根据权利要求1所述的水产养殖水体水质预测系统，其特征在于，该水质预测模型包括编码器和解码器，其中该编码器形成自第一长短期记忆神经网络，该解码器形成自第二长短期记忆神经网络，且该第一长短期记忆神经网络和该第二长短期记忆神经网络相互独立，其中该第一长短期记忆神经网络用于编码历史地理传感器时间序列值，该第二长短期记忆神经网络利用该第一长短期记忆神经网络形成的该编码器形成解码器。5.根据权利要求4所述的水产养殖水体水质预测系统，其特征在于，该水质预测模型的该编码器被嵌入空间注意力模块，其中该空间注意力模块被设置用于自适应地提取该水质数据的空间相关性，所述空间注意力模块包括局部空间注意力组件和全局空间注意力组件，其中该局部空间注意力组件被设置用于自适应地捕获目标水质数据与具有相同空间信息的其他水质数据之间的动态相关性，该全局空间注意力组件被设置用于自适应地捕获目标水质数据与具有不同空间信息的其它水质数据之间的动态相关性。6.一种水产养殖水体水质预测方法，其特征在于，包括以下步骤：S101、获取水产养殖水体各个区域的水质数据、水产养殖水体各个区域的饲养信息和所述水产养...

【专利技术属性】
技术研发人员：刘艳飞，林亮中，
申请(专利权)人：中山职业技术学院，
类型：发明
国别省市：