一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)，所述的氣象數(shù)據(jù)包括氣壓、氣溫、降雨量、光照強(qiáng)度，風(fēng)速、風(fēng)向和空氣濕度，所述預(yù)測(cè)系統(tǒng)包括具有485通信接口的小型氣象站，該小型氣象站通過485接口與Zigbee無(wú)線模塊連接，所述小型氣象站具有帶485通信接口的繼電器輸出模塊，以及防雷模塊，所述小型氣象站由24V穩(wěn)壓電源供電，所述預(yù)測(cè)系統(tǒng)還連接增氧機(jī)控制柜，所述預(yù)測(cè)系統(tǒng)的中控計(jì)算機(jī)通過Zigbee無(wú)線模塊對(duì)小型氣象站采集氣象數(shù)據(jù)，并且顯示預(yù)測(cè)結(jié)果，所述預(yù)測(cè)系統(tǒng)以所述的氣象參數(shù)以及淡水養(yǎng)殖中使用的增氧機(jī)開關(guān)時(shí)間作為輸入變量，利用遺傳算法和3層BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述淡水養(yǎng)殖水質(zhì)的溶解氧變化情況。
【專利說明】
-種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于淡水養(yǎng)殖技術(shù)領(lǐng)域，特別設(shè)及一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè) 系統(tǒng)。
【背景技術(shù)】
[0002] 在淡水養(yǎng)殖中，水質(zhì)的控制是至關(guān)重要的因素。在申請(qǐng)?zhí)枮?01520195114.6的中 國(guó)專利申請(qǐng)中，公開了基于物聯(lián)網(wǎng)技術(shù)的淡水養(yǎng)殖監(jiān)控系統(tǒng)，包括遠(yuǎn)程操控平臺(tái)、監(jiān)控主機(jī) W及至少一臺(tái)監(jiān)控從機(jī)，所述監(jiān)控從機(jī)連接有用于采集魚塘數(shù)據(jù)的檢測(cè)裝置和用于調(diào)節(jié)魚 塘水質(zhì)的調(diào)節(jié)設(shè)備，所述監(jiān)控從機(jī)與監(jiān)控主機(jī)通過無(wú)線傳輸模塊實(shí)現(xiàn)無(wú)線連接，所述遠(yuǎn)程 操控平臺(tái)與監(jiān)控主機(jī)相連接，該淡水養(yǎng)殖監(jiān)控系統(tǒng)通過監(jiān)控從機(jī)監(jiān)測(cè)養(yǎng)殖水體溫度、溶解 氧、pH值、水位、濁度等對(duì)水產(chǎn)品生長(zhǎng)有重大影響的水質(zhì)參數(shù)，根據(jù)實(shí)際水產(chǎn)品的種類及其 對(duì)水質(zhì)的要求做出相應(yīng)的處理，并且能對(duì)漁場(chǎng)進(jìn)行全方位、全天候的非法入侵的監(jiān)控，確保 養(yǎng)殖場(chǎng)安全，完成淡水魚養(yǎng)殖自動(dòng)化的管理，使得管理人員能夠清晰方便的了解到淡水養(yǎng) 殖場(chǎng)的整體情況。
[0003] 但是，僅僅是對(duì)水質(zhì)監(jiān)控常常也不能滿足現(xiàn)實(shí)需要，現(xiàn)實(shí)中需要對(duì)水質(zhì)的變化趨 勢(shì)做出判斷，W提前采取各種措施保護(hù)養(yǎng)殖產(chǎn)品。而現(xiàn)有技術(shù)中沒有運(yùn)方面的研究。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)。
[0005] 本發(fā)明的技術(shù)方案是，一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)，所述的氣象 數(shù)據(jù)包括氣壓、氣溫、降雨量、光照強(qiáng)度，風(fēng)速、風(fēng)向和空氣濕度，所述預(yù)測(cè)系統(tǒng)包括具有485 通信接口的小型氣象站，該小型氣象站通過485接口與Zigbee無(wú)線模塊連接，所述小型氣象 站具有帶485通信接口的繼電器輸出模塊，W及防雷模塊，所述小型氣象站由24V穩(wěn)壓電源 供電，
[0006] 所述預(yù)測(cè)系統(tǒng)還連接增氧機(jī)控制柜，
[0007] 所述預(yù)測(cè)系統(tǒng)的中控計(jì)算機(jī)通過Zigbee無(wú)線模塊對(duì)小型氣象站采集氣象數(shù)據(jù)，并 且顯示預(yù)測(cè)結(jié)果，
[000引所述預(yù)測(cè)系統(tǒng)W所述的氣象參數(shù)W及淡水養(yǎng)殖中使用的增氧機(jī)開關(guān)時(shí)間作為輸 入變量，利用遺傳算法和3層BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述淡水養(yǎng)殖水質(zhì)的溶解氧變化情況，具體又 包括W下步驟：
[0009] W3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和該結(jié)構(gòu)對(duì)應(yīng)的初始參數(shù)為遺傳算法的初始群體個(gè)體，其 中初始參數(shù)中隱含層個(gè)數(shù)為3到16,隱含層和輸出層闊值隨機(jī)產(chǎn)生；
[0010] 建立初始狀態(tài)的下的BP神經(jīng)網(wǎng)絡(luò)；
[0011] 學(xué)習(xí)樣本選擇位于所述淡水養(yǎng)殖點(diǎn)的一個(gè)時(shí)間段的小型氣象站監(jiān)測(cè)到的氣象數(shù) 據(jù)及增氧機(jī)開關(guān)時(shí)間，采樣數(shù)據(jù)時(shí)間間隔為10分鐘，輸出結(jié)果為池塘溶解氧預(yù)測(cè)值；
[0012] 統(tǒng)計(jì)所有學(xué)習(xí)樣本總誤差作為遺傳算法的適應(yīng)度函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度函 數(shù)值；
[0013] 采用最佳個(gè)體保存和適應(yīng)度比例相結(jié)合的選擇算法進(jìn)行選擇計(jì)算；
[0014] 按照公式（1)和公式(2)計(jì)算交叉概率和變異概率，其中fmax為當(dāng)前群體中適應(yīng)度 值的最大值，fmin為當(dāng)前群體中適應(yīng)度值的最小值，打iger為參與交叉的兩個(gè)個(gè)體中適應(yīng)度較 高的個(gè)體的適應(yīng)度值，fav為當(dāng)前群體適應(yīng)度值的平均值，f為當(dāng)前個(gè)體的適應(yīng)度值；
[0015]
[0016]
[0017] 按照選擇、交叉、變異遺傳操作方法進(jìn)行遺傳操作產(chǎn)生新的種群；
[0018] 指定最大遺傳次數(shù)為N= 1000,精度= 2.0,當(dāng)達(dá)到精度或者完成最大遺傳次數(shù)時(shí)， 跳出遺傳算法并選擇適應(yīng)度值最高個(gè)體重新搭建BP神經(jīng)網(wǎng)絡(luò)；
[0019] 指定神經(jīng)網(wǎng)絡(luò)誤差= 0.001，學(xué)習(xí)效率Ir = O.01，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；
[0020] 當(dāng)學(xué)習(xí)次數(shù)或者總誤差滿足精度時(shí)結(jié)束神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。
[0021] 本發(fā)明根據(jù)淡水池塘養(yǎng)殖水質(zhì)受氣象變化影響規(guī)律，提出了本系統(tǒng)。本發(fā)明的有 益效果包括：
[0022] 1、綜合多種影響池塘水質(zhì)變化氣象條件，W氣象條件為輸入變量預(yù)測(cè)池塘水質(zhì)；
[0023] 2、增加外源人工影響因子增氧時(shí)間，考慮到使用增氧機(jī)對(duì)池塘水質(zhì)的影響，設(shè)定 增氧機(jī)開關(guān)時(shí)間，并W此為輸入變量，預(yù)測(cè)池塘水質(zhì)；
[0024] 3、不考慮單一因子影響過程，將所有因子作為綜合變量統(tǒng)一考慮；
[0025] 4、W外源影響預(yù)測(cè)池塘水質(zhì)，不使用水質(zhì)傳感器；
[00%] 5、針對(duì)淡水池塘養(yǎng)殖水體。
[0027] 6、預(yù)測(cè)了 30cm，80cm，130cm水深水質(zhì)變換情況，可適用于不同養(yǎng)殖水深水質(zhì)預(yù)測(cè)。
【附圖說明】
[0028] 圖1本發(fā)明實(shí)施例中下層水溶氧預(yù)測(cè)結(jié)果與實(shí)際值分析圖
[0029] 圖2本發(fā)明實(shí)施例中下層水溶氧測(cè)量誤差分析圖
[0030] 圖3本發(fā)明實(shí)施例中下層水溶氧測(cè)量誤差比例分析圖
[0031] 圖4本發(fā)明實(shí)施例中中層水溶氧預(yù)測(cè)結(jié)果與實(shí)際測(cè)量值分析圖
[0032] 圖5本發(fā)明實(shí)施例中中層水溶氧測(cè)量誤差分析圖
[0033] 圖6本發(fā)明實(shí)施例中中層水溶氧測(cè)量誤差比例分析圖
[0034] 圖7本發(fā)明實(shí)施例中上層水溶氧預(yù)測(cè)結(jié)果與實(shí)際測(cè)量值分析圖
[0035] 圖8本發(fā)明實(shí)施例中上層水溶氧測(cè)量誤差分析圖
[0036] 圖9本發(fā)明實(shí)施例中上層水溶氧測(cè)量誤差比例分析圖
【具體實(shí)施方式】
[0037] 本發(fā)明的基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)，所述的氣象數(shù)據(jù)包括氣壓、氣 溫、降雨量、光照強(qiáng)度，風(fēng)速、風(fēng)向和空氣濕度，所述預(yù)測(cè)系統(tǒng)包括具有485通信接口的小型 氣象站，該小型氣象站通過485接口與Zigbee無(wú)線模塊連接，所述小型氣象站具有帶485通 信接口的繼電器輸出模塊，W及防雷模塊，所述小型氣象站由24V穩(wěn)壓電源供電，
[0038] 所述預(yù)測(cè)系統(tǒng)還連接增氧機(jī)控制柜，
[0039] 所述預(yù)測(cè)系統(tǒng)的中控計(jì)算機(jī)通過Zigbee無(wú)線模塊對(duì)小型氣象站采集氣象數(shù)據(jù)， 并且顯示預(yù)測(cè)結(jié)果，
[0040] 所述預(yù)測(cè)系統(tǒng)W所述的氣象參數(shù)W及淡水養(yǎng)殖中使用的增氧機(jī)開關(guān)時(shí)間作為輸 入變量，利用遺傳算法和3層BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述淡水養(yǎng)殖水質(zhì)的溶解氧變化情況，具體又 包括W下步驟：
[0041] W3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和該結(jié)構(gòu)對(duì)應(yīng)的初始參數(shù)為遺傳算法的初始群體個(gè)體，其 中初始參數(shù)中隱含層個(gè)數(shù)為3到16,隱含層和輸出層闊值隨機(jī)產(chǎn)生；
[0042] 建立初始狀態(tài)的下的BP神經(jīng)網(wǎng)絡(luò)；
[0043] 學(xué)習(xí)樣本選擇位于所述淡水養(yǎng)殖點(diǎn)的一個(gè)時(shí)間段的小型氣象站監(jiān)測(cè)到的氣象數(shù) 據(jù)及增氧機(jī)開關(guān)時(shí)間，采樣數(shù)據(jù)時(shí)間間隔為10分鐘，輸出結(jié)果為池塘溶解氧預(yù)測(cè)值；
[0044] 統(tǒng)計(jì)所有學(xué)習(xí)樣本總誤差作為遺傳算法的適應(yīng)度函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度函 數(shù)值；
[0045] 采用最佳個(gè)體保存和適應(yīng)度比例相結(jié)合的選擇算法進(jìn)行選擇計(jì)算；
[0046] 按照公式（1)和公式(2)計(jì)算交叉概率和變異概率，其中fmax為當(dāng)前群體中適應(yīng)度 值的最大值，fmin為當(dāng)前群體中適應(yīng)度值的最小值，打iger為參與交叉的兩個(gè)個(gè)體中適應(yīng)度較 高的個(gè)體的適應(yīng)度值，fav為當(dāng)前群體適應(yīng)度值的平均值，f為當(dāng)前個(gè)體的適應(yīng)度值；
[0047]
[004引
[0049] 按照選擇、交叉、變異遺傳操作方法進(jìn)行遺傳操作產(chǎn)生新的種群；
[0050] 指定最大遺傳次數(shù)為N= 1000,精度= 2.0,當(dāng)達(dá)到精度或者完成最大遺傳次數(shù)時(shí)， 跳出遺傳算法并選擇適應(yīng)度值最高個(gè)體重新搭建BP神經(jīng)網(wǎng)絡(luò)；
[0051 ] 指定神經(jīng)網(wǎng)絡(luò)誤差= 0.001，學(xué)習(xí)效率Ir = O.01，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)；
[0052] 當(dāng)學(xué)習(xí)次數(shù)或者總誤差滿足精度時(shí)結(jié)束神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。
[0053] 采用上述系統(tǒng)，對(duì)一個(gè)具體的淡水養(yǎng)殖池塘水質(zhì)的預(yù)測(cè)，學(xué)習(xí)樣本選擇2014年6月 1日至10月1日的小型氣象站監(jiān)測(cè)到的氣象數(shù)據(jù)(采樣數(shù)據(jù)時(shí)間間隔為10分鐘)及增氧機(jī)開 關(guān)時(shí)間。
[0054] 預(yù)測(cè)結(jié)果如圖1至圖9,對(duì)S層水質(zhì)進(jìn)行預(yù)測(cè)，總學(xué)習(xí)誤差小于3%，能夠滿足池塘 養(yǎng)殖溶解氧允許測(cè)量。
【主權(quán)項(xiàng)】
1. 一種基于氣象數(shù)據(jù)的淡水養(yǎng)殖水質(zhì)預(yù)測(cè)系統(tǒng)，所述的氣象數(shù)據(jù)包括氣壓、氣溫、降雨 量、光照強(qiáng)度，風(fēng)速、風(fēng)向和空氣濕度，其特征在于，所述預(yù)測(cè)系統(tǒng)包括具有485通信接口的 小型氣象站，該小型氣象站通過485接口與Zigbee無(wú)線模塊連接，所述小型氣象站具有帶 485通信接口的繼電器輸出模塊，以及防雷模塊，所述小型氣象站由24V穩(wěn)壓電源供電， 所述預(yù)測(cè)系統(tǒng)還連接增氧機(jī)控制柜， 所述預(yù)測(cè)系統(tǒng)的中控計(jì)算機(jī)通過Zigbee無(wú)線模塊對(duì)小型氣象站采集氣象數(shù)據(jù)，并且顯 示預(yù)測(cè)結(jié)果， 所述預(yù)測(cè)系統(tǒng)以所述的氣象參數(shù)以及淡水養(yǎng)殖中使用的增氧機(jī)開關(guān)時(shí)間作為輸入變 量，利用遺傳算法和3層BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)所述淡水養(yǎng)殖水質(zhì)的溶解氧變化情況，具體又包括 以下步驟： 1) 以3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和該結(jié)構(gòu)對(duì)應(yīng)的初始參數(shù)為遺傳算法的初始群體個(gè)體，其中 初始參數(shù)中隱含層個(gè)數(shù)為3到16,隱含層和輸出層閾值隨機(jī)產(chǎn)生； 2) 建立初始狀態(tài)的下的BP神經(jīng)網(wǎng)絡(luò)； 3) 學(xué)習(xí)樣本選擇位于所述淡水養(yǎng)殖點(diǎn)的一個(gè)時(shí)間段的小型氣象站監(jiān)測(cè)到的氣象數(shù)據(jù) 及增氧機(jī)開關(guān)時(shí)間，采樣數(shù)據(jù)時(shí)間間隔為10分鐘，輸出結(jié)果為池塘溶解氧預(yù)測(cè)值； 4) 統(tǒng)計(jì)所有學(xué)習(xí)樣本總誤差作為遺傳算法的適應(yīng)度函數(shù)，計(jì)算每個(gè)個(gè)體的適應(yīng)度函數(shù) 值； 5) 采用最佳個(gè)體保存和適應(yīng)度比例相結(jié)合的選擇算法進(jìn)行選擇計(jì)算； 6) 按照公式（1)和公式(2)計(jì)算交叉概率和變異概率，其中fmax為當(dāng)前群體中適應(yīng)度值 的最大值，fmin為當(dāng)前群體中適應(yīng)度值的最小值，fbiger為參與交叉的兩個(gè)個(gè)體中適應(yīng)度較高 的個(gè)體的適應(yīng)度值，f av為當(dāng)前群體適應(yīng)度值的平均值，f為當(dāng)前個(gè)體的適應(yīng)度值；7) 按照選擇、交叉、變異遺傳操作方法進(jìn)行遺傳操作產(chǎn)生新的種群； 8) 指定最大遺傳次數(shù)為N= 1000，精度=2.0，當(dāng)達(dá)到精度或者完成最大遺傳次數(shù)時(shí)，跳 出遺傳算法并選擇適應(yīng)度值最高個(gè)體重新搭建BP神經(jīng)網(wǎng)絡(luò)； 9) 指定神經(jīng)網(wǎng)絡(luò)誤差= 0.001，學(xué)習(xí)效率Ir = O.01，進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)； 10) 當(dāng)學(xué)習(xí)次數(shù)或者總誤差滿足精度時(shí)結(jié)束神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。
【文檔編號(hào)】G05B19/418GK106022501SQ201510669937
【公開日】2016年10月12日
【申請(qǐng)日】2015年10月13日
【發(fā)明人】劉世晶, 唐榮, 邵鵬, 周海燕, 楊家鵬, 李亞男
【申請(qǐng)人】中國(guó)水產(chǎn)科學(xué)研究院漁業(yè)機(jī)械儀器研究所