[發明專利]一種海水養殖水質含氧量檢測方法無效
| 申請號: | 201410439013.9 | 申請日: | 2014-09-01 |
| 公開(公告)號: | CN104215746A | 公開(公告)日: | 2014-12-17 |
| 發明(設計)人: | 徐今強;唐麗平 | 申請(專利權)人: | 廣東海洋大學 |
| 主分類號: | G01N33/18 | 分類號: | G01N33/18 |
| 代理公司: | 廣州市南鋒專利事務所有限公司 44228 | 代理人: | 李慧 |
| 地址: | 524000 廣東省*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 海水 養殖 水質 含氧量 檢測 方法 | ||
技術領域
本發明涉及一種海水養殖水質含氧量檢測方法,具體涉及一種利用軟測量技術對水質含氧量進行檢測的方法,屬于養殖水質檢測技術領域。
背景技術
在過去的30年中,水產養殖已成為全球增長最快的食物生產來源之一,并對國民經濟的發展、全球糧食供應和糧食安全作出了重要貢獻。隨著世界海洋捕撈強度的不斷加大,海洋水產資源逐步衰退。因此,各國都在積極發展海水養殖業,特別是發展中國家在世界海水養殖生產中占有相當高的比例。
我國是海水養殖大國,養殖產量從20世紀80年代中期的100多萬噸增加到2009年的1400多萬噸,已連續20多年居世界第一。鑒于目前海水養殖業的快速發展,為了保持養殖產品質能夠滿足社會消費水平日益提高的要求,需對養殖進行系統管理。而海水養殖過程中,海水溫度、含氧量、進水流量、氨氮含量、曝氣量、固體懸浮物等都是影響養殖品質的重要因素,必須保持在一個適宜的范圍,尤其是忌諱水質的突然變化。
軟測量的基本思想是把自動控制理論與生產過程知識有機的結合起來,應用計算機技術對難以測量或者暫時不能測量的重要變量,選擇另外一些容易測量的變量,通過構成某種數學關系來推斷或者估計,以軟件來替代硬件的功能。應用軟測量技術實現元素組分含量的在線檢測不但經濟可靠,且動態響應迅速、可連續給出萃取過程中元素組分含量,易于達到對產品質量的控制。軟測量技術是工業計算機優化控制的有利工具,在理論研究和實際應用中已經取得了不少成果,如CN201110001570.9(多噴嘴對置式水煤漿氣化爐爐膛溫度的軟測量)和CN201010102046.6(一種水力旋流器溢流粒度分布的軟測量方法)等,其理論體系亦正在逐步形成。
養殖水質含氧量直接關系到魚類的健康生長、繁殖及產品品質,因此含氧量的檢測和控制至關重要。CN201210247628.2公開一種新型魚池含氧量預警裝置,其中含氧量的檢測依靠儀器檢測裝置;CN201220614873.8和CN201320505010.1分別公開了一種顯示含氧量的魚缸和養魚池智能增氧系統,含氧量的檢測均通過傳感器實現。現有的海水養殖水質含氧量檢測方法大也多數依靠儀器檢測法,其檢測儀器基本靠進口,不僅價格昂貴、成本較高,而且由于海水對傳感器探頭的腐蝕性強,導致檢測儀器使用壽命短。而目前市場上還沒有一種對海水養殖水質含氧量進行軟測量的方法。
發明內容
本發明的目的是提供一種海水養殖水質含氧量檢測方法,通過軟測量技術實現養殖水質含氧量的間接測量。
為實現上述目的,本發明所采用的技術方案是:
一種海水養殖水質含氧量檢測方法,其特征在于:所述的含氧量檢測方法是一種間接測量方法,選取影響海水養殖水質含氧量最大且彼此間相關性不大的特征變量,即進水流量、水體溫度、氨氮含量、曝氣量、固體懸浮物;根據樣本數據庫中的樣本數據(包含特征變量和含氧量)采用遺傳算法離線優化各特征變量的權值(所有權值的代數和為1),優化時以平均絕對百分數誤差(MAPE)作為目標函數,優化后的權值存入權值數據庫;當需要含氧量數據對水質參數進行檢測和控制時,將實時檢測到的特征變量與各自權值相乘,然后求和即得到含氧量。
優選的是,所述的特征變量選取為進水流量、水體溫度、氨氮含量、曝氣量、固體懸浮物,它們對海水養殖水質含氧量影響最大,且彼此間相關性不大;養殖系統穩定時,水池進水流量和出水流量大小一致。
優選的是,所述的為尋找各特征變量與含氧量之間的權值,需要收集并存儲一定數量的樣本數據(包含特征變量和含氧量),樣本數據要求大于100組。
優選的是,所述的采用遺傳算法離線優化各特征變量的權值,其特征在于:定義平均絕對百分數誤差(MAPE)為目標函數。
優選的是,所述的將實時檢測到的特征變量與各自權值相乘,然后求和即得到含氧量。
一種海水養殖水質含氧量檢測方法中采用遺傳算法離線優化各特征變量的權值,其特征在于,包括以下步驟:
步驟1:初始化:設置進化代數計算器t←0;設置最大進化代數T;隨機生成M個個體作為初始群體P(0);初始化交叉概率和變異概率;?
步驟2:個體編碼;
步驟3:個體評價:計算群體P(t)中各個個體的適應度;
步驟4:復制運算:將復制算子作用于群體;
步驟5:交叉運算:將交叉算子作用于群體;
步驟6:變異運算:將變異算子作用于群體,群體P(t)經過復制、交叉、變異運算后得到下一代群體P(t+1);
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東海洋大學,未經廣東海洋大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410439013.9/2.html,轉載請聲明來源鉆瓜專利網。





