【技术实现步骤摘要】
本专利技术涉及海洋牧场，尤其涉及一种基于机器学习的海洋牧场机械化播苗调度系统。
技术介绍
1、海洋牧场是一种创新的养殖方式，它利用海洋资源丰富、水域广阔的特点，通过在海洋中建设养殖设施，培育和繁衍各种水生动物和植物。与传统的陆地养殖相比，海洋牧场能够提供更大的空间和良好的生态环境，为养殖提供了更多的生长空间和资源。海洋牧场可以涵盖多种养殖对象，包括鱼类、贝类、海藻等，这些养殖物种不仅可以供人类食用，还可用于制药、化妆品等领域。
2、为了提高海洋牧场的养殖效率和生产能力，许多海洋牧场已经采用了自动化播苗机械。这些机械装置能够将幼苗或种子定期放置到养殖设施中，实现自动化的播种过程。通过使用自动化机械播苗技术，可以减少人力成本和操作时间，并且提高播苗的准确性和一致性。
3、然而，对于规模较大的海洋牧场来说，播苗的时间和位置决策却依然是一个具有挑战性的问题。一方面，因为海洋是一个动态的环境，受诸多因素影响，如海洋流动、水温变化、水质状况等，这些因素会导致播苗时间和位置的选择变得复杂和困难。另一方面，获取海洋中全面的探测数据也较为困难，因此对于决策者而言，缺乏准确的科学依据。目前，大多数播苗决策还是基于经验，基于经验的决策虽然可以提供一定的参考，但往往无法达到最优化的结果。
技术实现思路
1、因此，本专利技术提供一种基于机器学习的海洋牧场机械化播苗调度系统，用以解决现有的播苗调度方法无法使效益达到最优的问题。
2、本专利技术提供了一种基于机器学习的海洋牧场
3、数据获取及预处理模块，用于获取海洋牧场中多个计划播苗区域的坐标、洋流方向和环境数据，环境数据包括流速，根据每个计划播苗区域的坐标、洋流方向和流速，建立用于表征多个计划播苗区域之间的洋流扩散顺序的拓扑序列；
4、数据编码模块，用于根据每个计划播苗区域的环境数据，基于拓扑序列建立表征多个计划播苗区域的洋流扩散顺序及环境情况的二维编码序列；
5、合适度预测模块，用于将二维编码序列输入至预设rnn神经网络预测模型中，得到每个计划播苗区域的播苗合适度序列，播苗合适度序列用于表征计划播苗区域在未来一段时间内，多个预设时间点的播苗合适度；
6、计划解析模块，用于根据多个计划播苗区域的播苗合适度序列，得到播苗调度计划，播苗调度计划包括由多个计划播苗区域排列组成的调度序列，调度序列用于表征在未来多个预设时间点上，多个计划播苗区域的预测最佳播苗次序。
7、优选的，所述根据每个计划播苗区域的坐标、洋流方向和流速，建立用于表征多个计划播苗区域之间的洋流扩散顺序的拓扑序列，包括：
8、根据坐标、洋流方向和流速，得到两个计划播苗区域之间的洋流扩散时间；
9、以计划播苗区域为节点，以两个节点对应的两个计划播苗区域之间的洋流方向为节点之间边的方向，以两个节点对应的两个计划播苗区域之间洋流扩散时间为边的权重，建立有向无环图；
10、基于有向无环图对多个计划播苗区域进行拓扑排序，得到多个计划播苗区域的拓扑序列。
11、优选的，所述二维编码序列包括多个编码向量，每个编码向量对应一个计划播苗区域，多个编码向量基于每个编码向量对应的计划播苗区域的拓扑序列排列；编码向量中的每个元素分别对应一种环境数据，编码向量中的每个元素为其对应的环境数据的特征值；
12、所述预设rnn神经网络预测模型包括依次相连的第一输入层、第一隐藏层、第一输出层、第二隐藏层和第二输出层，其中：
13、第一隐藏层用于基于多个计划播苗区域的拓扑排序以及每个计划播苗区域的环境数据，计算每个计划播苗区域的初始播苗合适度并作为第一输出层的数据；
14、第二隐藏层用于根据每个计划播苗区域的初始播苗合适度进行预测，得到每个计划播苗区域的播苗合适度序列。
15、优选的，所述预设rnn神经网络预测模型中：
16、第一输入层包括多个第一输入单元，每个第一输入单元用于输入一个编码向量，多个第一输入单元按照其对应的编码向量在二维编码序列中的顺序排列；
17、第一隐藏层包括多个第一神经元，每个第一神经元对应一个第一输入单元，多个第一神经元沿其对应的第一输入单元的排列顺序排列，每个第一神经元的输入端连接其对应的第一输入单元以及排列于其前一个位置的另一个第一神经元的输出端；
18、第一输出层包括多个第一输出单元，每个第一输出单元对应一个第一神经元，每个第一输出单元的输入端连接其对应的第一神经元的输出端，每个第一输出单元用于输出一个编码向量对应的计划播苗区域的初始播苗合适度；
19、第二隐藏层包括多个第二隐藏单元，每个第二隐藏单元对应一个第一输出单元，每个第二隐藏单元的输入端连接其对应的第一输出单元的输出端；
20、第二输出层包括多个第二输出单元，每个第二输出单元对应一个第二隐藏单元，每个第二输出单元的输入端连接其对应的第二隐藏单元的输出端，每个第二输出单元用于输出一个计划播苗区域的播苗合适度序列。
21、优选的，所述第一神经元输出向量时采用的表达式为：
22、；
23、其中，为拓扑序列中第个位置，为第个第一神经元的输出向量，为第一非线性激活函数，为根据多个编码向量的整体差异得到的第一调整系数，为第一权重，为第个第一神经元的输出向量，为二维编码序列中第个编码向量，为根据第个编码向量和二维编码序列中除第个编码向量外的其他编码向量的差异得到的第二调整系数，为第二权重，为第一偏置。
24、优选的，所述第一调整系数根据下式得到：
25、
26、其中，为方差算子，为编码向量的第个元素位置，为计划播苗区域的总数，为环境数据的种类总数，为二维编码序列中第个编码向量的第个元素。
27、优选的，所述第二调整系数根据下式得到：
28、；
29、其中，为二维编码序列中第个编码向量的第个元素，为二维编码序列中第个编码向量的第个元素。
30、优选的，所述第一输出单元输出初始播苗合适度时采用的表达式为：
31、；
32、其中，为第个第一输出单元输出的初始播苗合适度，为编码向量中第个元素对应的环境数据的权重，为第个第一神经元的输出向量中的第个元素。
33、优选的，所述第二隐藏单元包括多个第二神经元，每个第二隐藏单元中的多个第二神经元的输入端均连接该第二隐藏单元对应的第一输出单元和第二输出单元，并且每个第二隐藏单元中的多个第二神经元还依次相连，每个第二隐藏单元用于输出一个预设时间点的播苗合适度。
34、优选的，所述第二隐藏单元输出数据时采用的表达式为：
35、；
36、其中，为第个第二神经元的输出数据，为第二非线性激活函数，为根据第个计划播苗区域对应的流速得到的第三调整系数，为第三权重，为第个第二神经元的输出向量，为第四权重，为第二偏置。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述根据每个计划播苗区域的坐标、洋流方向和流速，建立用于表征多个计划播苗区域之间的洋流扩散顺序的拓扑序列，包括：
3.根据权利要求1所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述二维编码序列包括多个编码向量，每个编码向量对应一个计划播苗区域，多个编码向量基于每个编码向量对应的计划播苗区域的拓扑序列排列；编码向量中的每个元素分别对应一种环境数据，编码向量中的每个元素为其对应的环境数据的特征值；
4.根据权利要求3所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述预设RNN神经网络预测模型中：
5.根据权利要求4所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第一神经元输出向量时采用的表达式为：
6.根据权利要求5所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第一调整系数根据下式得到：
7.根据权利要求
8.根据权利要求7所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第一输出单元输出初始播苗合适度时采用的表达式为：
9.根据权利要求8所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第二隐藏单元包括多个第二神经元，每个第二隐藏单元中的多个第二神经元的输入端均连接该第二隐藏单元对应的第一输出单元和第二输出单元，并且每个第二隐藏单元中的多个第二神经元还依次相连，每个第二隐藏单元用于输出一个预设时间点的播苗合适度。
10.根据权利要求9所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第二隐藏单元输出数据时采用的表达式为：
...【技术特征摘要】
1.一种基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述根据每个计划播苗区域的坐标、洋流方向和流速，建立用于表征多个计划播苗区域之间的洋流扩散顺序的拓扑序列，包括：
3.根据权利要求1所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述二维编码序列包括多个编码向量，每个编码向量对应一个计划播苗区域，多个编码向量基于每个编码向量对应的计划播苗区域的拓扑序列排列；编码向量中的每个元素分别对应一种环境数据，编码向量中的每个元素为其对应的环境数据的特征值；
4.根据权利要求3所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述预设rnn神经网络预测模型中：
5.根据权利要求4所述的基于机器学习的海洋牧场机械化播苗调度系统，其特征在于，所述第一神经元输出向量时采用的表达式为：
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。