一种养殖水质智能在线监控方法和系统技术方案

本发明专利技术公开了一种养殖水质智能在线监控方法和系统，基于神经网络构建多目标优化模型，通过预测饲料投喂后目标养殖水体区域的臭氧浓度值和COD浓度值，得到COD浓度预测值和臭氧浓度预测值，将COD浓度预测值和目标COD浓度范围比较，若COD浓度预测值落入目标COD浓度范围内，按目标饲料投喂量对目标养殖水体区域投喂饲料，若COD浓度预测值未落入目标COD浓度范围内，启动臭氧自动消毒系统，将目标养殖水体区域的臭氧流量调整至最优值，解决了传统的养殖水质COD和臭氧检测手段耗时长且消耗化学试剂，难以满足快速响应、高可靠性和低成本的需求的技术问题。求的技术问题。求的技术问题。

【技术实现步骤摘要】
一种养殖水质智能在线监控方法和系统


[0001]本专利技术涉及水体监测
，尤其涉及一种养殖水质智能在线监控方法和系统。

技术介绍

[0002]在节能减排、绿色生态发展的目标下，工厂化循环水养殖模式成为平衡生态与发展的主要发展方向，水体的循环利用是循环水养殖模式的内核，水产养殖环境的智能在线监测，已经成为水产养殖业绿色健康发展的重要内容。由于养殖饲料的使用，在评价循环养殖水质时，水体的化学需氧量(简称COD)成为养殖业水污染的重要指标，COD浓度超过一定限值时，会影响养殖对象的正常生长。而臭氧氧化是去除COD的有效手段，臭氧处理技术在水产养殖中得到了广泛应用。臭氧(O3)具有极强的氧化性，采用先进臭氧技术处理循环水可灭杀水中的致病菌和藻类等浮游生物，也可氧化氨氮、亚硝酸盐等养殖过程中产生的废物。然而，水中残留的过量臭氧也会对养殖对象产生危害，因此，对循环水中的COD及臭氧进行监测对水产养殖业的优质健康发展具有重要意义。
[0003]水体消毒是保证循环水质的重要环节，臭氧投加量是臭氧氧化水处理工艺的重要参数之一，控制水体中的臭氧浓度是保证达到处理效果及节约成本且对养殖对象及人体不产生毒害的重要方式。传统的养殖水质COD和臭氧检测手段耗时长且消耗化学试剂，难以满足快速响应、高可靠性和低成本的需求。

技术实现思路

[0004]本专利技术提供了一种养殖水质智能在线监控方法和系统，用于解决传统的养殖水质COD和臭氧检测手段耗时长且消耗化学试剂，难以满足快速响应、高可靠性和低成本的需求的技术问题。r/>[0005]有鉴于此，本专利技术第一方面提供了一种养殖水质智能在线监控方法，包括：
[0006]S1、获取样本数据集，基于样本数据集对基于神经网络的多目标优化模型进行训练，得到用于预测臭氧浓度值和COD浓度值的多目标优化模型，样本数据集的样本数据包括目标养殖水体区域的饲料投喂量样本、臭氧流量样本和水体光谱数据样本，数据标签为臭氧浓度值和COD浓度值；
[0007]S2、获取目标养殖水体区域的目标饲料投喂量、臭氧流量和水体光谱数据，将目标饲料投喂量、臭氧流量和水体光谱数据输入多目标优化模型，得到目标养殖水体区域的臭氧浓度预测值和COD浓度预测值；
[0008]S3、将目标养殖水体区域的COD浓度预测值和目标COD浓度范围比较，若COD浓度预测值落入目标COD浓度范围内，则执行步骤S4，若COD浓度预测值未落入目标COD浓度范围内，则执行步骤S5；
[0009]S4、按目标饲料投喂量对目标养殖水体区域投喂饲料；
[0010]S5、启动臭氧自动消毒系统，将目标养殖水体区域的臭氧流量调整至最优值。
[0011]可选地，步骤S1之前，还包括：
[0012]S1
‑
1、根据由LIBS光谱检测系统获取的人工标准水样的臭氧及COD浓度水样光谱数据，构建目标养殖水体区域的臭氧浓度回归模型和COD浓度回归模型；
[0013]S1
‑
2、根据目标养殖水体区域的水体光谱数据，基于臭氧浓度回归模型和COD浓度回归模型获取目标养殖水体区域的臭氧浓度值和COD浓度值。
[0014]可选地，S1
‑
2包括：
[0015]根据养殖水域的养殖对象，对养殖水域的养殖对象生存空间进行划分，将各养殖对象生存空间均匀划分为若干个目标养殖水体区域；
[0016]根据各目标养殖水体区域的水体光谱数据，基于臭氧浓度回归模型和COD浓度回归模型获取各目标养殖水体区域的臭氧浓度值和COD浓度值。
[0017]可选地，步骤S2之前还包括：
[0018]S2
‑
1、获取各目标养殖水体区域的区域目标饲料投喂量，以投喂饲料后到下一投喂时间内各目标养殖水体区域的COD浓度值最小为优化目标，对各目标养殖水体区域的饲料投喂量进行优化，得到各目标养殖水体区域的最优饲料投喂量，以各目标养殖水体区域的最优饲料投喂量作为各目标养殖水体区域的目标饲料投喂量；
[0019]步骤S2具体包括：
[0020]获取各目标养殖水体区域的目标饲料投喂量、臭氧流量和水体光谱数据，将目标饲料投喂量、臭氧流量和水体光谱数据输入多目标优化模型，得到各目标养殖水体区域的臭氧浓度预测值和COD浓度预测值；
[0021]步骤S3具体包括：
[0022]将各目标养殖水体区域的COD浓度预测值和目标COD浓度范围比较，对于COD浓度预测值落入目标COD浓度范围内的目标养殖水体区域，执行步骤S4，对于COD浓度预测值未落入目标COD浓度范围内的目标养殖水体区域，执行步骤S5。
[0023]可选地，步骤S4具体包括：
[0024]按目标饲料投喂量对目标养殖水体区域投喂饲料，返回步骤S1
‑
2。
[0025]可选地，步骤S2
‑
1包括：
[0026]S2
‑1‑
1、对各目标养殖水体区域进行编号，将区域目标饲料投喂量按每个目标养殖水体区域的最小投喂量计算投料次数，构建饲料分配目标函数和约束条件，饲料分配目标函数为：
[0027][0028]其中，f(X)为饲料分配目标函数，m
×
n为m行n列个目标养殖水体区域，X
i
为第i个目标养殖水体区域的饲料投喂量，COD
i
(X
i
)为第i个目标养殖水体区域在投喂X
i
饲料后的COD浓度预测值；
[0029]约束条件为：
[0030][0031][0032]其中，S为区域目标饲料投喂量，S
min
为每个目标养殖水体区域的最小投喂量，Y
i
为第i个目标养殖水体区域的投料次数；
[0033]S2
‑1‑
2、基于人工鱼群算法初始化人工鱼群规模和参数，每个人工鱼群代表一种目标养殖水体区域的饲料投喂量方案，每个人工鱼代表一个目标养殖水体区域的投料次数；
[0034]S2
‑1‑
3、计算人工鱼群的适应度参数，并将适应度参数最优的人工鱼编号记录在布告板上；
[0035]S2
‑1‑
4、对人工鱼群分别执行觅食、群聚、追尾及随机行为更新人工鱼群，从更新后的人工鱼群中选出最优的人工鱼；
[0036]S2
‑1‑
5、将更新后的人工鱼群中最优的人工鱼与布告板上的适应度参数最优的人工鱼的适应度参数进行对比，若更新后的人工鱼群中最优的人工鱼的适应度参数大于布告板上的适应度参数最优的人工鱼的适应度参数，则将布告板上的适应度参数最优的人工鱼编号更新为更新后的人工鱼群中最优的人工鱼编号；
[0037]S2
‑1‑
6、当人工鱼群算法达到停止条件时，输出最优人工鱼群，得到最优人工鱼群对应的目标养殖水体区域的最优饲料投喂量。
[0038]可选地，步骤S1
‑
1包括：<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种养殖水质智能在线监控方法，其特征在于，包括：S1、获取样本数据集，基于样本数据集对基于神经网络的多目标优化模型进行训练，得到用于预测臭氧浓度值和COD浓度值的多目标优化模型，样本数据集的样本数据包括目标养殖水体区域的饲料投喂量样本、臭氧流量样本和水体光谱数据样本，数据标签为臭氧浓度值和COD浓度值；S2、获取目标养殖水体区域的目标饲料投喂量、臭氧流量和水体光谱数据，将目标饲料投喂量、臭氧流量和水体光谱数据输入多目标优化模型，得到目标养殖水体区域的臭氧浓度预测值和COD浓度预测值；S3、将目标养殖水体区域的COD浓度预测值和目标COD浓度范围比较，若COD浓度预测值落入目标COD浓度范围内，则执行步骤S4，若COD浓度预测值未落入目标COD浓度范围内，则执行步骤S5；S4、按目标饲料投喂量对目标养殖水体区域投喂饲料；S5、启动臭氧自动消毒系统，将目标养殖水体区域的臭氧流量调整至最优值。2.根据权利要求1所述的养殖水质智能在线监控方法，其特征在于，步骤S1之前，还包括：S1
‑
1、根据由LIBS光谱检测系统获取的人工标准水样的臭氧及COD浓度水样光谱数据，构建目标养殖水体区域的臭氧浓度回归模型和COD浓度回归模型；S1
‑
2、根据目标养殖水体区域的水体光谱数据，基于臭氧浓度回归模型和COD浓度回归模型获取目标养殖水体区域的臭氧浓度值和COD浓度值。3.根据权利要求2所述的养殖水质智能在线监控方法，其特征在于，S1
‑
2包括：根据养殖水域的养殖对象，对养殖水域的养殖对象生存空间进行划分，将各养殖对象生存空间均匀划分为若干个目标养殖水体区域；根据各目标养殖水体区域的水体光谱数据，基于臭氧浓度回归模型和COD浓度回归模型获取各目标养殖水体区域的臭氧浓度值和COD浓度值。4.根据权利要求3所述的养殖水质智能在线监控方法，其特征在于，步骤S2之前还包括：S2
‑
1、获取各目标养殖水体区域的区域目标饲料投喂量，以投喂饲料后到下一投喂时间内各目标养殖水体区域的COD浓度值最小为优化目标，对各目标养殖水体区域的饲料投喂量进行优化，得到各目标养殖水体区域的最优饲料投喂量，以各目标养殖水体区域的最优饲料投喂量作为各目标养殖水体区域的目标饲料投喂量；步骤S2具体包括：获取各目标养殖水体区域的目标饲料投喂量、臭氧流量和水体光谱数据，将目标饲料投喂量、臭氧流量和水体光谱数据输入多目标优化模型，得到各目标养殖水体区域的臭氧浓度预测值和COD浓度预测值；步骤S3具体包括：将各目标养殖水体区域的COD浓度预测值和目标COD浓度范围比较，对于COD浓度预测值落入目标COD浓度范围内的目标养殖水体区域，执行步骤S4，对于COD浓度预测值未落入目标COD浓度范围内的目标养殖水体区域，执行步骤S5。5.根据权利要求4所述的养殖水质智能在线监控方法，其特征在于，步骤S4具体包括：
按目标饲料投喂量对目标养殖水体区域投喂饲料，返回步骤S1
‑
2。6.根据权利要求5所述的养殖水质智能在线监控方法，其特征在于，步骤S2
‑
1包括：S2
‑1‑
1、对各目标养殖水体区域进行编号，将区域目标饲料投喂量按每个目标养殖水体区域的最小投喂量计算投料次数，构建饲料分配目标函数和约束条件，饲料分配目标函数为：其中，f（X）为饲料分配目标函数，m
×
n为m行n列个目标养殖水体区域，X
i
为第i个目标养殖水体区域的饲料投喂量，COD
i
(X
i
...

【专利技术属性】
技术研发人员：李诗诗，苗秋实，李浚鹏，杨程钧，张乾熙，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：