【技术实现步骤摘要】
一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统及方法
[0001]本专利技术属于环境智能控制
,涉及传感器技术、远程通信技术和计算机相关技术,结合模糊概念评价水质,以数据训练改进后的向量机,预测未来水质情况。
技术介绍
[0002]为了满足人们的消费需求,近年来我国大力发展淡水鱼养殖业,已经成为世界上最大的淡水鱼养殖国,池塘养殖是我国水产养殖的重要组成部分。据《中国渔业统计年鉴2020》统计,2020年淡水池塘养殖产量占我国淡水养殖产量的71.7%,海水池塘养殖产量占海水养殖产量的12.5%,池塘养殖已成为我国水产品的重要来源。但我国大多数池塘设施化程度较低,以粗放的养殖模式为主,养殖过程中饵料大量投喂,造成池塘底质快速老化,病害频发,养殖废水大量排放,浪费水资源,污染环境。
[0003]模糊评价是指利用模糊数学的方法,对受到多个因素影响的事物,按照一定的评判标准,给出事物获得某个评语的可能性。池塘水质中各项参数需要监测,不同的参数对于各级水质来说数据范围不同,难以依靠单个数据评价水质。依靠现有数据,使用支持向量回归机原理可以评价未来水质情况,而支持向量回归机在取得良好的预测效果的同时难免存在一些不足,比如欠学习和过学习、参数难以确定、易陷入局部最优的部分,无法满足更高的预测精度要求。本专利技术使用改进果蝇算法优化支持向量回归机。
技术实现思路
[0004]为解决水产养殖环境中水质评价预测方法中引入不良样本、预测精度低、速度慢等问题,本专利技术提出了一种基于模糊评价与改进支持向量 ...
【技术保护点】
【技术特征摘要】
1.一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,包括:信息采集模块、数据处理模块、模糊评价与预测模块、人机交互模块;所述信息采集模块用于采集水质参数;所述数据处理模块用于简化数据样本,缩小因鱼塘面积过大产生的区域间差异;所述模糊评价与预测模块计算水质参数隶属度函数,将当前水质划分等级,并预测未来水质;所述人机交互模块用于保存和显示当前最优融合值、水质等级和未来水质预测结果。2.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,所述信息采集模块采用传感器实现,用于采集温度、溶解氧、PH值、氨氮浓度,所述传感器通过Lora组网,远程连接至STM32开发板,进行处理存储,所述数据处理模块、模糊评价与预测模块集成于STM32开发板中;数据处理模块具体步骤如下所示:步骤1,在鱼塘适当位置安装4个传感器测温度、溶解氧、PH值、氨氮含量,传感器通过Lora无线速传与STM32单片机进行分时数据交互,这些数据保存在STM32单片机flash中;步骤2,单个传感器数据接受10次后,使用莱以达准则剔除过大误差数据后,将平均值保存至数组中,获得10个平均数后,调用单传感器数据融合函数,将单个传感器所测数据分为奇偶两组:式中:x
1n1
,x
2n1
分别代表奇偶次序值;其样本方差分别为:式中:X1—奇数组的平均值;—奇数组的方差值;n1—奇数组个数;由各自的方差决定权值进行加权融合得出单个传感器的最优估计值最优方差步骤3,依照方差大小进行排序;将4个融合值分为AB两组,按照方差大小确定权重系数:进行组内融合,并计算融合值按照AB两组的融合方差值确定AB组的权重系数进行组间融合,获取最优值3.根据权利要求2所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,所述STM32能够与上位机通讯,将处理的结果在人机交互界面中显示并交
互操作。4.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,所述模糊评价与预测模块选取对养殖鱼的健康水平和生产力产生重大影响的环境因素,包括温度、溶解氧、PH值、氨氮质量浓度作为鱼塘环境评价指标,环境适宜度用1级、2级、3级表示,分别表示舒适、中等和差;根据规模鱼塘环境参数及环境管理国家标准,得出环境舒适度评价范围,评价因子集为{温度,溶解氧,PH值,氨氮质量浓度},评语集为{舒适,中等,差};确定好评价因子集后,采用相对隶属度来表示其相应的模数变换,计算隶属度矩阵,依据最大隶属度原则计算此时的水质等级,具体如下:建立模糊数学模型为:式中:r(x)—隶属度函数;x—评价因子实测浓度值;s
ij
—第i个评价因子在第j等级标准值;由以上隶属度函数建立模糊矩阵R:式中:r
ij
—第i个水质指标对第j类标准的隶属度;依据实际归一化权重矩阵B:B=(w1,w2,...,w
n
)式中:w
n
—第n个权重系数,n个权重系数相加为1;依据上述矩阵,可计算模糊评价综合指标C:C=B
·
R=(c1,c2,...,c
m
)式中:c
m
—被评事物从整体上看对m等级的隶属程度。5.根据权利要求1所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,所述模糊评价与预测模块采用最小二乘支持向量回归机对未来水质预测;将融合后的环境数据作为LSSVR的输入向量x,将环境适宜度等级作为输出向量y,随机从中抽取70%作为训练集,30%作为测试集;为防止数据大小差异,进行归一化处理,将所有数据归一化到[0,1]区间,公式如下:式中:x
i
—归一化之前的数据,x
max
,x
min
—样本数据中最大值和最小值;x
i,t
—归一化之
后的数据;LSSVR的回归过程如下:{(x1,y1),(x2,y2),...,(x
i
,y
i
)}i=1,2,3,...,n式中:(x
i
,y
i
)—样本输入向量和输出向量;随机70%的数据集作为训练数据通过非线性映射R
d
→
R
n
,将低维数据映射到高维空间,从而对所有数据进行线性回归,式中:w代表权向量;代表非线性映射函数;b为偏差量;将上式转化:将上式转化:式中:ξi,—松弛变量,表示样本偏离程度;w—权重向量;C—惩罚系数,控制对超出误差的样本的惩罚程度;ε—不敏感损失系数,与支持向量的个数有关;m—样本向量的个数;核函数选用高斯核函数:式中:σ—核函数带宽;z—核函数中心;高斯核函数与之对应的支持向量机是高斯径向基函数分类器,在此情形下,分类决策函数称为式中:K(x
i
,x)—核函数;α
i
—拉格朗日算子。6.根据权利要求5所述的一种基于模糊评价与改进支持向量机的鱼塘水质评价预测系统,其特征在于,所述LSSVR使用改进果蝇算法FOA优化惩罚系数C和核函数带宽σ:参数设置:设置FOA算法的最大迭代次数、目标精度、种群规模、飞行步长;初始化果蝇种群位置:引入Logistic混沌映射生成果蝇群体的初始位置,解决随机种群位置分布不均匀的问题,使优化后的果蝇位置具有混沌随机性、遍历性、规律性特点,公式如下:x(n+1)=μx(n)(1
‑
x(n)),x(n)∈[0,1]式中:n—迭代次数,μ—控制参数;混沌变量Cx
i
的变换式如下:Cx(n+1)
i
=4Cx(n)
i
(1
‑
Cx(n)
i
),i=1,2,...,N式中:Cx(n)
i
—第i个混沌变量在第n步混沌变换后的大小;
通过上式得到第n+1次变换后的混沌变量Cx(n+1)
i
,然后与变量Cx
i
∈[0,1]反复进行混沌映射;式中:x
i
—混沌映射前的第i个原始数据,x
i
∈[a
min
,a
max
];x
i
'—其映射后的值;设计果蝇个体利用嗅觉搜寻食物方向的算法:采用动态搜索半径策略,搜索半...
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。