养殖水体水质参数对养殖生物生长状态影响的预测方法技术

本发明专利技术公开了一种养殖水体水质参数对养殖生物生长状态影响的预测方法，通过选用同一养殖生物的品种，并且是同一生物品种的同一批幼虫，将它们进行养殖密度相同和饵料相同的不同养殖池内喂养，在投饵量以及投饵时间均一致的条件下，随机调控改变多项水质参数数值并记录，同时间的监测各个池内养殖生物的生长状态，作为人工神经网络的专家系统的输入和输出来建立这个生物生长状态的模型，然后利用该模型对生物的生长状态进行预测。该预测方法解决了以往传统简单的系统不能解决水产养殖生物生长领域知识的非线性、模糊性、不确定性问题。实现了养殖生物生长状态的准确监测和生长环境的调控。具有对生物养殖的实际生产具有较高的实际指导和应用作用。

【技术实现步骤摘要】

本专利技术涉及一种水产养殖生物生长状态模型建立方法，尤其涉及一种基于神经网络专家系统的养殖生物生长状态的预测方法。
技术介绍
目前，在集约化水产养殖系统中采用在线水质参数检测技术、自动投饵控制技术 以及部分水质参数自动调控技术的养殖系统国内外都有实际应用。一些先进的控制技术如 人工神经网络技术、模糊控制技术以及专家系统等都有应用于水产养殖的报道。在集约化 水产养殖中，从幼苗投放到成品收获视养殖生物品种不同周期长度和过程略有差别，期间 影响因素比较多，养殖生物的成活、生长状态以及最后收获情况被其周围许多因素所影响。 其中养殖水体水质参数对养殖生物生长的影响是其中主要的一部分。养殖水体水质参数对于养殖生物生长状态的影响研究可分为三种情况单一水质 参数对养殖生物生长状态的影响的研究；双水质参数对养殖生物生长状态的影响；多水质 参数对养殖生物生长状态的影响的研究。(1)单一水质参数对生物生长状态的影响的研究通过文献检索，养殖水体单一水质参数对生物生长状态的影响研究者较多，相关 关系比较简单和明确，单一水质参数对生物生长状态影响的模型建立采用传统的基于规则 的专家系统，比如采用产生式规则，IF" THEN···规则。它是在专家系统中运用得较为普遍的 知识。IF后面跟的是条件(前件)，THEN后面跟的是结论(后件)，条件与结论均可以通过 逻辑运算AND、0R、N0T进行复合。在这里，产生式规则的理解非常简单如果前提条件得到 满足，就产生相应的动作或结论。产生式专家系统的知识库中包含了大量的规则，换言之， 这里的知识库就是一个规则集。(2)双水质参数对生物生长状态的影响的研究另外，通过文献检索，养殖水体两个水质参数对生物生长状态的综合影响研究者 较少，相关关系也较为复杂，双水质参数对生物生长状态影响的模型建立仍然采用传统的 基于规则的专家系统。其中养殖水体单一水质参数和双水质参数对养殖生物生长状态的影响表面上关 系明确、简单，对单纯考察一两个特定水质参数对养殖生物生长状态的影响时较为便利，但 由于各水质参数之间互相影响，养殖生物的生长状态是依赖于各项水质参数综合作用后的 总体水质情况，所以养殖水体单一水质参数和双水质参数对养殖生物生长状态影响的确定 度还很有限，研究的实际应用价值也比较有限。(3)多水质参数对生物生长状态的影响的研究目前国内尚没有多水质参数对生物生长状态的研究，暂时还没有利用神经网络专 家系统来进行养殖生物生长状态研究方面的事例。因此，当基于水质参数对养殖生物生长 状态影响的模型建立起来，意味着这将是水产养殖领域中人工智能技术应用中的一项创 新。
技术实现思路
本专利技术针对单一水质参数和双水质参数的生物生长状态的研究不能全面地满足养殖生物生长状态的监控。无法解决养殖生物生长领域知识的非线性、模糊性、不确定性、 不全面等问题的存在，而研制一种多水质参数对生物生长状态的综合影响不再像单参数和 双参数那样遵守传统的专家系统规则。其中，各个水质参数的相关性以及对生物生长状态 的影响错综复杂，针对水产养殖生物生长领域知识的非线性、模糊性、不确定性、不全面等 问题，提出了建立基于人工神经网络专家系统的模型，来分析多水质参数对生物生长状态 的综合影响，进而指导实际生产。其具体采用的技术手段如下一种，其特征在于包括如 此步骤(1)首先选用同一养殖生物的品种，并且是同一生物品种的同一批幼虫，将它们放 养在养殖密度相同的不同养殖池内，采用种类相同的饵料喂养，并且投饵量以及投饵时间 均一致；(2)随机调控改变水质参数中的温度、盐度、PH值、溶解氧和氨氮的数值且将它们 的值一一记录下来，并在同一时间监测各个池内养殖生物的生长状态即养殖生物的体长或 体重；(3)应用BP神经网络来实现养殖生物生长状态模型的知识库表示，以影响养殖生 物生长的主要养殖水体水质参数中的温度、盐度、PH值、溶解氧和氨氮作为神经网络系统的 输入量，同时引入时间t作为神经网络的另一输入量，将表征养殖生物生长状态的养殖生 物的体长或体重作为人工神经网络系统的输出量，至此，构建专家系统知识库的神经网络 模型建成；(4)对步骤(3)构建的神经网络模型进行学习训练，为了满足BP神经网络转换函 数条件，在训练前要对训练样本做样本标准化处理，形成BP神经网络训练的标准化数据， 训练时，首先把训练样本中的输入数据加载到神经网络模型的输入端，将训练样本中的输 出数据加载到神经网络模型的输出端，进行学习训练；(5)利用知识获取机构把训练后的网络模型，包括网络结构、网络输入变量、权值 矩阵、阈值矩阵、迭代次数、输出误差值信息存储于知识库中；(6)进行实际预测时，在计算机管理系统的推理模块里选择神经网络推理机制，输 入相应的水质参数，即温度、盐度、PH值、溶解氧和氨氮，同时输入相应的时间变量t，推理 机就会自动搜索步骤(5)所建立的知识库数据，在设定的输入量偏差范围内得到与此水质 参数和养殖时间t相对应的养殖生物生长状态，即实现了养殖生物生长状态的预测。在步骤(4)中还包括把期望的输出值输入系统，在本系统中期望值为对应不同 时间、不同养殖池的养殖生物状态实测值，即实测体长或体重值，把期望的输出值输入系统 后，计算系统实际输出值，即神经网络模型输出值和期望输出值的误差，如果误差不能满足 要求，则网络按原路径返回进行权值调整，直到收敛误差达到要求，训练结束的步骤。 由于采用了上述技术方案，本专利技术提供的养殖水体水质参数对养殖生物生长状态 影响的预测方法同现有预测方法相比其优点是显而易见的具体如下(1)基于人工神经网络专家系统的养殖生物生长状态的模型解决了单一和水质参数不能全面的反映、记录和调控养殖生物的生长状态的问题，最大限度地提高养殖产量和 质量，对实际生产具有较高的实际指导和应用作用。(2)解决了以往传统简单的专家系统不能解决水产养殖生物生长领域知识的非线性、模糊性、不确定性等问题。实现了养殖生物生长状态的准确监测和生长环境的调控。(3)填补了国内尚无多水质参数对生物生长状态研究的空白，实现了集约化水产养殖技术的突破。附图说明图1为生物生长期管理系统的主要功能结构图；图2为本专利技术集约化养殖养殖生物生长状态模型建立流程图；图3为本专利技术利用BP神经网络建立模型的知识库结构图；图4为本专利技术实施例虾夷扇贝D型幼虫生长状态与水质参数实测数据表。具体实施例方式如图1所示，养殖水体水质参数对养殖生物生长影响的模型，属于水产养殖计算 机管理系统的生长期管理子系统。通常养殖生物的生长状态用生物的体长或体重来表示， 在养殖品种选择以及养殖密度设定，并且饵料种类、投饵量以及投饵时间确定后，养殖生物 生长期间，养殖水体水质参数的变化直接影响着生物的生长状态。如果把养殖水体的水质 参数变化情况作为输入量，那么通过生长管理系统，养殖生物的生长状态就是系统的输出 量。本专利技术基于人工神经网络专家系统建立养殖生物生长状态模型，当其它条件因素一定， 而养殖水体的水质参数发生变化时，通过模型我们将能够推断出养殖生物的生长状态发生 怎样的变化。推理得出的结果与养殖生物生长过程中得到的实际结果越接近，说明系统误 差越小，模型建立的越精确。以多水质参数对养殖生物生长状态的影响为例建立模型。选 用同一养殖生物的品种，本文档来自技高网...

【技术保护点】
一种养殖水体水质参数对养殖生物生长状态影响的预测方法，其特征在于包括如此步骤：（１）首先选用同一养殖生物的品种，并且是同一生物品种的同一批幼虫，将它们放养在养殖密度相同的不同养殖池内，采用种类相同的饵料喂养，并且投饵量以及投饵时间均一致；（２）随机调控改变水质参数中的温度、盐度、ｐＨ值、溶解氧和氨氮的数值且将它们的值一一记录下来，并在同一时间监测各个池内养殖生物的生长状态即养殖生物的体长或体重；（３）应用ＢＰ神经网络来实现养殖生物生长状态模型的知识库表示，以影响养殖生物生长的主要养殖水体水质参数中的温度、盐度、ｐＨ值、溶解氧和氨氮作为神经网络系统的输入量，同时引入时间ｔ作为神经网络的另一输入量，将表征养殖生物生长状态的养殖生物的体长或体重作为人工神经网络系统的输出量，至此，构建专家系统知识库的神经网络模型建成；（４）对步骤（３）构建的神经网络模型进行学习训练，为了满足ＢＰ神经网络转换函数条件，在训练前要对训练样本做样本标准化处理，形成ＢＰ神经网络训练的标准化数据，训练时，首先把训练样本中的输入数据加载到神经网络模型的输入端，将训练样本中的输出数据加载到神经网络模型的输出端，进行学习训练；（５）利用知识获取机构把训练后的网络模型，包括网络结构、网络输入变量、权值矩阵、阈值矩阵、迭代次数、输出误差值信息存储于知识库中；（６）进行实际预测时，在计算机管理系统的推理模块里选择神经网络推理机制，输入相应的水质参数，即温度、盐度、ｐＨ值、溶解氧和氨氮，同时输入相应的时间变量ｔ，推理机就会自动搜索步骤（５）所建立的知识库数据，在设定的输入量偏差范围内得到与此水质参数和养殖时间ｔ相对应的养殖生物生长状态，即实现了养殖生物生长状态的预测。...

【技术特征摘要】

【专利技术属性】
技术研发人员：邓长辉，谷军，刘海映，
申请(专利权)人：大连水产学院，
类型：发明
国别省市：91[中国|大连]