一种河流鱼群丰富程度的识别方法及监测系统技术方案

本发明专利技术公开了一种对河流鱼群丰富程度的识别方法及监测系统，所述方法步骤如下：实时获取鱼群通行监测系统在预设周期内的河流干流与河流支流鱼群通行数据；根据预构建的M/M/n模型与所述干流鱼群通行数据计算河流干流鱼群通过监测系统的排队长度；根据预构建的G/M/i模型与所述支流鱼群通行数据计算河流支流鱼群通过监测系统的排队长度；对所述干流鱼群排队长度与所述支流鱼群排队长度进行加权求和，得到河流鱼群加权通过监测系统的排队长度；基于所述鱼群加权通过监测系统的排队长度确定所述河流鱼群的丰富等级。本发明专利技术过程简单高效，可为相关部门做出决策提供支持或为地区鱼类捕捞提供实时有效依据。类捕捞提供实时有效依据。类捕捞提供实时有效依据。

【技术实现步骤摘要】
一种河流鱼群丰富程度的识别方法及监测系统


[0001]本专利技术涉及信息技术，特别是一种河流鱼群丰富程度的识别方法及监测系统。

技术介绍

[0002]目前，对于河流鱼类资源的不确定性以及有针对性的鱼类保护方法，缺乏比较合理的测量系统和评价标准，使人们在捕鱼时有一定的随意性。而现行的捕鱼办法，是按照月份进行划分捕鱼期和禁渔期，不具有实时性和科学性，地方常常会因为不知道因地制宜调整时间导致对地方河流鱼类的破坏。

技术实现思路

[0003]专利技术目的：本专利技术的目的是提供一种河流鱼群丰富程度的识别方法及监测系统，从而为相关部门做出决策提供支持或为地区鱼类捕捞提供实时有效依据，使地方捕鱼具有可持续性，环保性，更利于生态发展和地方鱼类保护。
[0004]技术方案：本专利技术所述的一种对河流鱼群丰富程度的识别方法，包括以下步骤：
[0005]S1、实时获取鱼群通行监测系统在预设周期内的河流干流与河流支流鱼群通行数据；
[0006]S2、根据预构建的M/M/n模型与所述干流鱼群通行数据计算河流干流鱼群通过监测系统的排队长度；
[0007]S3、根据预构建的G/M/i模型与所述支流鱼群通行数据计算河流支流鱼群通过监测系统的排队长度；
[0008]S4、对所述干流鱼群排队长度与所述支流鱼群排队长度进行加权求和，得到河流鱼群加权通过监测系统的排队长度；
[0009]S5、基于所述鱼群加权通过监测系统的排队长度确定所述河流鱼群的丰富等级。
[0010]步骤S1中所述的河流干流与河流支流鱼群通行数据包括干流监测系统的监测通道数、单位时间通过干流监测系统鱼群总数、支流监测系统的监测通道数、单位时间通过支流监测系统鱼群总数。
[0011]所述步骤S2具体为：
[0012]S2.1、获取预设时间段内干流鱼群监测系统的历史数据，并基于所述干流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望，将所述单位时间通过的鱼数的期望确定为单个监测通道服务率μ；
[0013]S2.2、将所述单位时间通过所述干流所有监测通道的鱼总数确定为干流系统服务率r；
[0014]S2.3、根据所述干流鱼群监测系统的监测通道总数n、干流系统服务率r以及单个监测通道服务率μ计算监测系统服务强度s；
[0015]S2.4、初始化预构建的M/M/n模型，将所述监测系统的监测通道总数、单个监测通道服务率、监测系统服务强度与所述M/M/n模型绑定后生成绑定参数的M/M/n模型；
[0016]S2.5、根据所述监测系统的监测通道总数，监测系统服务强度，与所述绑定参数的M/M/n模型计算干流监测系统平衡后监测系统内鱼的数量为k的概率；
[0017]S2.6、根据干流系统服务率与所述绑定参数的M/M/n模型计算干流鱼群平均排队长度。
[0018]所述步骤S2.6具体为：
[0019]将所述干流鱼群排队长度E[X
q
]与干流服务率r求和生成鱼群到达率λ；
[0020]其中，所述系统内鱼的数量为k的概率的计算公式为：
[0021][0022][0023]其中，P
k
为所述干流鱼群监测系统内鱼的数量为k的概率，n为所述干流鱼群监测系统的监测通道总数，s为所述监测系统服务强度即
[0024]其中，所述M/M/n模型的平均排队长度计算公式为：
[0025][0026]其中，s为所述监测系统服务强度，P
n
为所述干流鱼群监测系统内鱼的数量为n的概率，E[X
q
]即为所述干流鱼群平均排队长度。
[0027]所述步骤S3具体为：
[0028]S3.1、获取预设时间段内所有支流鱼群监测系统的历史数据，并基于所述支流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望，将所述单位时间通过的鱼数的期望确定为次级单个监测通道服务率μ；
[0029]S3.2、将所述单位时间通过所述支流所有监测通道的鱼总数确定为支流系统服务率r；
[0030]S3.3、根据所述所有支流鱼群次级监测系统的监测通道总数i、支流系统服务率(r)以及次级单个监测通道服务率μ计算次级监测系统服务强度s；
[0031]S3.4、初始化预构建的G/M/i模型，将所述次级监测系统的监测通道总数、次级单个监测通道服务率、次级监测系统服务强度与所述G/M/i模型绑定后生成绑定参数的G/M/i模型；
[0032]S3.5、根据所述次级监测系统的监测通道总数，次级单个监测通道服务率，与所述绑定参数的G/M/i模型计算支流监测系统平衡后次级监测系统的服务时间标准差；
[0033]S3.6、根据次级监测系统的服务时间标准差与所述绑定参数的G/M/i模型计算支流鱼群平均排队长度。
[0034]所述步骤S3.6具体为：
[0035]将所述支流鱼群平均排队长度E[X
q
]与支流系统服务率r求和生成支流鱼群到达率λ；
[0036]所述次级监测系统服务强度计算公式为：
[0037][0038]其中，χ为所述支流鱼群到达率，δ为所述次级单个监测通道服务率，i为次级监测系统的监测通道总数；
[0039]所述支流监测系统平衡后次级监测系统的服务时间标准差计算公式为：
[0040]σ＝A
*
(iδ
‑
iδσ)；
[0041]其中，σ为所述次级监测系统的服务时间标准差，i为次级监测系统的监测通道总数，δ为次级单个监测通道服务率，A*(Q)为支流鱼群排队时间的LST；
[0042]其中，所述支流鱼群平均排队长度计算公式即所述G/M/i模型的平均排队长度为：
[0043][0044]其中，E(X
qc
)即为所述所有支流即c条支流鱼群平均排队长度；
[0045]所述河流的鱼群加权平均排队长度计算公式为：
[0046][0047]其中，ε为河流干流单位时间间隔内通过监测系统的鱼的总数，η
i
为第i条支流单位时间间隔内通过监测系统的鱼的总数；E(X
qc
)即为所述c条支流鱼群的平均排队长度，E(X
q
)即为所述干流鱼群平均排队长度。
[0048]所述步骤S5具体为：
[0049]S5.1、加载河流鱼群丰富等级划分表；
[0050]S5.2、从所述河流鱼群丰富等级划分表中识别所述河流鱼群加权排队长度所在的排队长度区间；
[0051]S5.2、将所述排队长度区间对应的鱼群丰富评价等级确定为所述河流鱼群丰富等级。
[0052]一种河流鱼群丰富程度的识别系统，所述系统采用了上述的一种对河流鱼群丰富程度的识别方法，所述系统包括以下模块：
[0053]鱼群通行数据获取模块：用于实时获取在预设时间间隔内河流干流鱼群通过系统的监测数据与河流支流鱼群通过系统的监测数据；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对河流鱼群丰富程度的识别方法，其特征在于，包括以下步骤：S1、实时获取鱼群通行监测系统在预设周期内的河流干流与河流支流鱼群通行数据；S2、根据预构建的M/M/n模型与所述干流鱼群通行数据计算河流干流鱼群通过监测系统的排队长度；S3、根据预构建的G/M/i模型与所述支流鱼群通行数据计算河流支流鱼群通过监测系统的排队长度；S4、对所述干流鱼群排队长度与所述支流鱼群排队长度进行加权求和，得到河流鱼群加权通过监测系统的排队长度；S5、基于所述鱼群加权通过监测系统的排队长度确定所述河流鱼群的丰富等级。2.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法，其特征在于，步骤S1中所述的河流干流与河流支流鱼群通行数据包括干流监测系统的监测通道数、单位时间通过干流监测系统鱼群总数、支流监测系统的监测通道数、单位时间通过支流监测系统鱼群总数。3.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法，其特征在于，所述步骤S2具体为：S2.1、获取预设时间段内干流鱼群监测系统的历史数据，并基于所述干流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望，将所述单位时间通过的鱼数的期望确定为单个监测通道服务率μ；S2.2、将所述单位时间通过所述干流所有监测通道的鱼总数确定为干流系统服务率r；S2.3、根据所述干流鱼群监测系统的监测通道总数n、干流系统服务率r以及单个监测通道服务率μ计算监测系统服务强度s；S2.4、初始化预构建的M/M/n模型，将所述监测系统的监测通道总数、单个监测通道服务率、监测系统服务强度与所述M/M/n模型绑定后生成绑定参数的M/M/n模型；S2.5、根据所述监测系统的监测通道总数，监测系统服务强度，与所述绑定参数的M/M/n模型计算干流监测系统平衡后监测系统内鱼的数量为k的概率；S2.6、根据干流系统服务率与所述绑定参数的M/M/n模型计算干流鱼群平均排队长度。4.根据权利要求3所述的一种对河流鱼群丰富程度的识别方法，其特征在于，所述步骤S2.6具体为：将所述干流鱼群排队长度E[X
q
]与干流服务率r求和生成鱼群到达率λ；其中，所述系统内鱼的数量为k的概率的计算公式为：其中，所述系统内鱼的数量为k的概率的计算公式为：其中，P
k
为所述干流鱼群监测系统内鱼的数量为k的概率，n为所述干流鱼群监测系统的监测通道总数，s为所述监测系统服务强度即
其中，所述M/M/n模型的平均排队长度计算公式为：其中，s为所述监测系统服务强度，P
n
为所述干流鱼群监测系统内鱼的数量为n的概率，E[X
q
]即为所述干流鱼群平均排队长度。5.根据权利要求1所述的一种对河流鱼群丰富程度的识别方法，其特征在于，所述步骤S3具体为：S3.1、获取预设时间段内所有支流鱼群监测系统的历史数据，并基于所述支流鱼群监测系统的历史数据计算单位时间通过监测通道的鱼数的期望，将所述单位时间通过的鱼数的期望确定为次级单个监测通道服务率μ；S3.2、将所述单位时间通过所述支流所有监测通道的鱼总数确定为支流系统服务率r；S3.3、根据所述所有支流鱼群次级监测系统的监测通道总数i、支流系统服务率(r)以及次级单个监测通道服务率μ计算次级监测系统服务强度s；S3.4、初始化预构建的G/M/i模型，将所述次级监测系统的监测通道总数、次级单个监测通道服务率、次级监测系统服务强度与所述G/M/i模型绑定后生成绑定参数的...

【专利技术属性】
技术研发人员：葛朴，董云泉，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：