一种基于高位池水产养殖的水温动态分层预测方法技术

本发明专利技术提供一种基于高位池水产养殖的水温动态分层预测方法，将至少包括水温数据和气温数据的高位池水参数和外部气象数据输入多模态融合自适应协同网络，采用动态归并方法对时间信号集进行时间片段分割；并采用渐进注意力机制融合的预测模型TimeFusionNet进行时序预测获得预测结果。本发明专利技术对于高位池养殖环境提供了一套针对性的水温预测方案，可广泛应用于高位池水产养殖环境，为水产养殖业提供精细化的水温调控方案，提升养殖效益。同时，该方案还可为环境监测和生态研究提供重要数据支持，具有较高的应用价值和社会效益。

【技术实现步骤摘要】

本专利技术属于预测方法或系统等，具体涉及一种基于高位池水产养殖的水温动态分层预测方法。

技术介绍

1、高位池水产养殖作为一种高效的水产养殖方式，在全球范围内得到了广泛的应用。在高位池养殖环境中，水温作为反应和影响养殖生物的生理机能和生长效率的关键指标，其控制和预测尤为重要。实验可知，高位池水温变化主要源于日照、气温、风速、气压等环境因素。但在同一时刻，不同深度水温变化对环境因素的响应不同；在同一深度，不同时刻对环境因素的响应也不同。在高位池中，水温变化具有强烈的时序性和动态特征，且受多种因素的影响。传统静态聚类方法无法根据时间序列的变化自动调整聚类结果，导致无法及时适应水温变化规律。同时，不同水层的水温差异显著，水层之间的温度变化具有高度的时空依赖性。现有预测方法通常未能有效考虑水层水温差异，难以提供针对各个水层的精准预测。目前，高位池养殖水温的监测和预测主要依赖于人工观测和单一的传感器测量，导致无法及时响应水温变化。

2、此外，传统的预测方法虽然能够提供一定的预测能力，但多集中于单一模型或变量，往往忽视了养殖池内部的微环境变化，如气温、风速、本文档来自技高网...

【技术保护点】

1.一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：将至少包括水温数据和气温数据的高位池水参数和外部气象数据输入多模态融合自适应协同网络，采用动态归并方法对时间信号集进行时间片段分割；并采用渐进注意力机制融合的预测模型TimeFusionNet进行时序预测获得预测结果。

2.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：所述水温数据通过对高位池不同位置、不同深度水体数据进行实地采集获取，获得的数据为连续采集，形成连续原始数据集；采用小波变换阈值降噪方法对原始数据集进行预处理，并对不同类型的数据进行时间戳配准。>

3.根据权利...

【技术特征摘要】

1.一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：将至少包括水温数据和气温数据的高位池水参数和外部气象数据输入多模态融合自适应协同网络，采用动态归并方法对时间信号集进行时间片段分割；并采用渐进注意力机制融合的预测模型timefusionnet进行时序预测获得预测结果。

2.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：所述水温数据通过对高位池不同位置、不同深度水体数据进行实地采集获取，获得的数据为连续采集，形成连续原始数据集；采用小波变换阈值降噪方法对原始数据集进行预处理，并对不同类型的数据进行时间戳配准。

3.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：所述多模态融合自适应协同网络为一个具有二维网络结构的自适应协同网络，其中每个节点( i,j )都关联一个权重向量vij，所述权重向量的维度与输入数据的特征维度相匹配，即 ，其中，下标1、2……d指代各维度。

4.根据权利要求3所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：

5.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：

6.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：

7.根据权利要求1所述的一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：所述预测模型timefusionnet以改进的lstm单元为各深度数据训练单元；在训练过程中，梯度通过标准的反向传播算法进行更新；所述改进的lstm单元以rmse...

【专利技术属性】
技术研发人员：张昂，邱嘉毅，林彦皓，张书畅，林智伦，卢孝强，
申请(专利权)人：福州大学，
类型：发明
国别省市：