【技术实现步骤摘要】
本专利技术涉及水质预测，尤其涉及基于特征压缩和可解释特征融合的多水质因子预测方法。
技术介绍
1、针对传统水产养殖车间的自动化程度较低，主要依赖人工操作氧气设备和水泵等关键设施。此外，水质监测范围受限，难以全面评估水生环境的健康状况。这种局限性可能带来严重风险，包括海产品损失和养殖失败，因为管理人员可能无法及时发现设备故障或迅速应对突发问题。因此，迫切需要一套智能水产养殖系统，将水质传感器的历史数据与实时数据流相结合，从而精准预测水质参数，帮助管理人员快速掌握水环境变化，并高效应对突发情况。
2、为了解决水产养殖中的水质预测问题，全球研究人员开发了多种水质预测模型。目前，水质预测技术主要分为两大类：基于机理模型和基于非机理模型。机理模型通过分析水体中的生物、物理和化学因素之间的相互关系来预测水质变化。然而，由于水产养殖水质环境具有高度动态性，这类模型虽然具有较强的针对性，但对多因子耦合的建模预测缺乏准确性，在实际应用中往往缺乏足够的适应性与预测稳定性。相比之下，非机理模型通常更为简便，依靠统计分析和经验学习，从历史数据中提取...
【技术保护点】
1.基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，还包括如下步骤：对多传感器数据和物理衍生变量进行预处理。
3.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，所述物理衍生变量包括溶解氧饱和度、总溶解固体浓度、游离氨浓度。
4.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，压缩感知层进行池化操作，包括如下步骤：
5.根据权利要求1所述的...
【技术特征摘要】
1.基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，还包括如下步骤：对多传感器数据和物理衍生变量进行预处理。
3.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，所述物理衍生变量包括溶解氧饱和度、总溶解固体浓度、游离氨浓度。
4.根据权利要求1所述的基于特征压缩和可解释特征融合的多水质因子预测方法，其特征在于，压缩感...
【专利技术属性】
技术研发人员：徐博，严家霖，王硕，许东阳，唐浩，尤佳，
申请(专利权)人：海南大学，
类型：发明
国别省市：
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。