基于大数据的智慧养殖信息管理系统技术方案

本发明专利技术涉及养殖场信息管理技术领域，具体涉及一种基于大数据的智慧养殖信息管理系统

【技术实现步骤摘要】
基于大数据的智慧养殖信息管理系统


[0001]本专利技术涉及养殖场信息管理
，具体涉及一种基于大数据的智慧养殖信息管理系统
。

技术介绍

[0002]智慧海洋牧场通过现代科技手段如物联网
、
大数据
、
人工智能等技术，对收集到的数据进行分析，优化资源使用
、
找出养殖过程中的问题并给出相应的解决方案，以提高海洋养殖的产量和品质，降低成本和环境污染，为可持续发展提供支持
。
[0003]养殖过程中预测养殖生物的产量以及利润是经营者核心关注的问题之一，可以利用智慧养殖大数据获取预测养殖生物的最终产量，进而估计收益前景；但是海洋养殖是一个非常复杂的过程，各类养殖影响因素都或多或少会对最终产量产生一定影响，多维的影响因素标签无法直接用于产量预测，不能预测养殖收益
。

技术实现思路

[0004]为了解决养殖影响因素维度过多，现有技术进行数据筛选后筛选结果不理想，进而导致预测结果不理想的技术问题，本专利技术的目的在于提供一种基于大数据的智慧养殖信息管理系统，所采用的技术方案具体如下：数据采集模块：以预设采集频率获取养殖数据；所述养殖数据包括环境影响因素
、
人为影响因素和生物影响因素；因素筛选模块：分析每个所述环境影响因素与每个所述人为影响因素在时序上的变化特征，获取每个所述环境影响因素对每个所述人为影响因素的影响特征参数；根据所有养殖数据中所有所述影响特征参数，从所述人为影响因素中筛选出每个所述环境影响因素对应的人为补救影响因素；根据所有养殖数据中所有所述人为补救影响因素的影响特征参数的波动特征，筛选出所述环境影响因素中的环境主要影响因素；将所述人为影响因素中，去除所述环境主要影响因素对应的所述人为补救影响因素的其他影响因素作为优化影响因素；在所有养殖数据中，分析每个所述优化影响因素与每个所述生物影响因素的变化特征的相关性，结合每个所述优化影响因素在养殖过程中的参与度，从所述优化影响因素中筛选出优化主要影响因素；数据管理模块：根据所有历史养殖数据之间的所述环境主要影响因素及其对应的所述人为补救影响因素
、
所述优化主要影响因素的差异获得聚类距离，对所有历史养殖数据进行聚类；将待预测养殖数据与聚类结果进行匹配，结合所有历史养殖数据各自对应的利润，对养殖场的利润进行预测
。
[0005]所述影响特征参数的获取方法包括：获取所有所述养殖数据中每个影响因素的时序曲线上的极值点；选择任意养殖数据为目标养殖数据；根据影响特征参数计算公式获取影响特征参数；所述影响特征参数计算公式包括：
；其中，表示环境影响因素的类别序号；表示人为影响因素的类别序号，表示第个环境影响因素对第个人为影响因素的影响特征参数；表示目标数据中第个环境影响因素变化曲线的极值点数量；表示所有养殖数据中第个环境影响因素变化曲线的极值点数量；表示所有养殖数据中第个人为影响因素变化曲线的极值点数量；表示预设底数；表示目标数据中环境影响因素的极值点的序号；表示目标数据中第个环境影响因素第个极值点的幅值；表示目标数据中第个环境影响因素第个极值点的采集时间；表示目标数据中第个人为影响因素变化曲线中与最近的极值点的采集时间
。
[0006]进一步地，所述人为补救影响因素的获取方法包括：获取所有养殖数据中每个所述环境影响因素对所有所述人为影响因素的所述影响特征参数的平均值和标准差；对于每个环境影响因素，将平均值与标准差之和最小的人为影响因素作为对应环境影响因素的人为补救影响因素
。
[0007]进一步地，所述环境主要影响因素的获取方法包括：将每个所述环境影响因素对应的人为补救影响因素的所有影响特征参数的平均值与标准差之和负相关映射并归一化，获得每个所述环境影响因素的不可抗力程度；根据所述不可抗力程度对所述环境影响因素进行排序，利用主成分分析算法获得环境主要影响因素
。
[0008]进一步地，所述优化主要影响因素的获取方法包括：在所有养殖数据中，分析每个所述优化影响因素与每个所述生物影响因素的变化特征的相关性，结合每个所述优化影响因素在养殖过程中的参与度，获得每个所述优化影响因素的重要程度参数；根据所述重要程度参数对所述优化影响因素进行排序并利用主成分分析算法获得优化主要影响因素
。
[0009]进一步地，所述重要程度参数的获取方法包括：分析每个所述生物影响因素的变化特征，获取每个所述生物影响因素对应的评价因子；根据重要程度参数计算公式获取重要程度参数；所述重要程度参数计算公式包括：；其中，表示优化影响因素；表示优化影响因素的序号；表示第个
优化影响因素的重要程度参数；表示所有养殖数据中第个优化影响因素与所有养殖数据中生物影响因素评价因子的协方差；表示所有养殖数据中第个优化影响因素的标准差；表示所有养殖数据中生物影响因素评价因子的标准差；表示优化影响因素与评价因子的相关性；表示养殖数据的序号，表示养殖数据的数量；表示第个养殖数据第个优化影响因素的第个极值点序号， 表示第个养殖数据第个优化影响因素的极值点数量；表示第个养殖数据第个优化影响因素的第个极值点与其前一个极值点的时间间隔； 代表第个养殖数据的养殖周期时长；表征优化影响因素在养殖过程中的参与度；表示以自然常数为底数的指数函数；表示协方差函数
。
[0010]进一步地，所述评价因子的获取方法包括：根据评价因子计算公式获取评价因子；所述评价因子计算公式包括：；其中，表示生物影响因素的序号；表示第个生物影响因素的评价因子； 表示第个生物影响因素的数量；分别表示第个生物影响因素变化曲线的最大值和最小值；表示第个生物影响因素变化曲线的极值点序号，表示第个生物影响因素极值点的数量；表示第个生物影响因素第个极值点的数据值
。
[0011]进一步地，所述对养殖场的利润进行预测的方法包括：将所述环境主要影响因素及其对应的所述人为补救影响因素
、
所述优化主要影响因素作为主要影响因子；根据每个养殖数据以及投入成本和收益获取利润比，进而获取每个聚类簇的平均利润比；获取养殖场养殖数据与各个聚类簇内养殖数据的所有所述主要影响因子之间的平均距离，选取平均距离最小的作为匹配聚类簇；将所述匹配聚类簇的所述平均利润比作为养殖场的预测利润比
。
[0012]进一步地，所述主成分分析算法中方差贡献率阈值设置为
30%。
[0013]进一步地，所述环境影响因素包括：水温
、
盐度
、
溶解氧
、
浑浊度
、
酸碱度
、
流速
、
气温
、
降雨量
、
风力
、
潮汐
、
日照时长；
人为影响因素包括：养殖密度
、
投饵机投饵量
、
投饵频率
、
水流控制器
、
水温调节器...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的智慧养殖信息管理系统，其特征在于，所述系统包括：数据采集模块：以预设采集频率获取养殖数据；所述养殖数据包括环境影响因素
、
人为影响因素和生物影响因素；因素筛选模块：分析每个所述环境影响因素与每个所述人为影响因素在时序上的变化特征，获取每个所述环境影响因素对每个所述人为影响因素的影响特征参数；根据所有养殖数据中所有所述影响特征参数，从所述人为影响因素中筛选出每个所述环境影响因素对应的人为补救影响因素；根据所有养殖数据中所有所述人为补救影响因素对应所述人为影响因素的影响特征参数的波动特征，筛选出所述环境影响因素中的环境主要影响因素；将所述人为影响因素中，去除所述环境主要影响因素对应的所述人为补救影响因素的其他影响因素作为优化影响因素；在所有养殖数据中，分析每个所述优化影响因素与每个所述生物影响因素的变化特征的相关性，结合每个所述优化影响因素在养殖过程中的参与度，从所述优化影响因素中筛选出优化主要影响因素；数据管理模块：根据所有历史养殖数据之间的所述环境主要影响因素及其对应的所述人为补救影响因素
、
所述优化主要影响因素的差异获得聚类距离，对所有历史养殖数据进行聚类；将待预测养殖数据与聚类结果进行匹配，结合所有历史养殖数据各自对应的利润，对养殖场的利润进行预测；所述影响特征参数的获取方法包括：获取所有所述养殖数据中每个影响因素的时序曲线上的极值点；选择任意养殖数据为目标养殖数据；根据影响特征参数计算公式获取影响特征参数；所述影响特征参数计算公式包括：；其中，表示环境影响因素的类别序号；表示人为影响因素的类别序号，表示第个环境影响因素对第个人为影响因素的影响特征参数；表示目标数据中第个环境影响因素变化曲线的极值点数量；表示所有养殖数据中第个环境影响因素变化曲线的极值点数量；表示所有养殖数据中第个人为影响因素变化曲线的极值点数量；表示预设底数；表示目标数据中环境影响因素的极值点的序号；表示目标数据中第个环境影响因素第个极值点的幅值；表示目标数据中第个环境影响因素第个极值点的采集时间；表示目标数据中第个人为影响因素变化曲线中与最近的极值点的采集时间
。2.
根据权利要求1中所述的一种基于大数据的智慧养殖信息管理系统，其特征在于，所述人为补救影响因素的获取方法包括：获取所有养殖数据中每个所述环境影响因素对所有所述人为影响因素的所述影响特征参数的平均值和标准差；对于每个环境影响因素，将平均值与标准差之和最小的人为影响因素作为对应环境影响因素的人为补救影响因素
。
3.
根据权利要求2中所述的一种基于大数据的智慧养殖信息管理系统，其特征在于，所述环境主要影响因素的获取方法包括：将每个所述环境影响因素对应的人为补救影响因素的所有影响特征参数的平均值与标准差之和负相关映射并归一化，获得每个所述环境影响因素的不可抗力程度；根据所述不可抗力程度对所述环境影响因素进行排序，利用主成分分析算法获得环境主要影响因素
。4.
根据权利要求1中所述的一种基于大数据的智慧养殖信息管理系统，其特征在于，所述优化主要影响因素的获取方法包括：在所有养殖数据中，分析每个所述优化影响因素与每个所述生物影响因素的变化特征的相关性，结合每个所述优化影响因素在养殖过程中的参与度，获得每个所述优化影响因素的重要程度参数；根据所述重要程度参数对所述优化影响因素进行排序并利用主成分分析算法获得优化主要影响因素
...

【专利技术属性】
技术研发人员：郭建涛，
申请(专利权)人：福建乾动海上粮仓科技有限公司，
类型：发明
国别省市：