[發(fā)明專利]一種水體溶解氧預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 201710214305.6
• 申請日: 2017-04-01
• 公開（公告）號: CN107169621A
• 公開（公告）日: 2017-09-15
• 發(fā)明（設(shè)計）人: 楊衛(wèi)中;饒偉;李道亮;付為森;王亮;楊昊;位耀光;李振波
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司11002
• 代理人: 湯財寶

技術(shù)領(lǐng)域

本發(fā)明涉及水處理技術(shù)領(lǐng)域，更具體地，涉及一種水體溶解氧預(yù)測方法及裝置。

背景技術(shù)

溶解氧作為水質(zhì)的一項重要參數(shù)，在工廠化水產(chǎn)養(yǎng)殖、日光溫室水培種養(yǎng)中扮演著重要的角色，它很大程度上決定了魚類的生長狀態(tài)，所以預(yù)測溶解氧的變化趨勢可以為養(yǎng)殖人員的決策提供重要參考，減小養(yǎng)種植風險。

水體溶解氧受到很多因素影響，包括：物理、化學、生物和人為因素。而一些復雜的水循環(huán)系統(tǒng)，例如，魚菜共生系統(tǒng)，包括水產(chǎn)養(yǎng)殖、水處理和水培三部分，是一種魚、菜和生物菌三者共生的復合種養(yǎng)系統(tǒng)，該系統(tǒng)不僅對溶解氧的要求很高，而且還極易受到氣象環(huán)境、水質(zhì)參數(shù)和生物量的綜合影響。因此，溶解氧的預(yù)測極為困難，十分迫切的需要可以應(yīng)對復雜多變的循環(huán)水系統(tǒng)水體溶解氧預(yù)測的解決方案。

現(xiàn)有的水體溶解氧預(yù)測方法包括：步驟1、獲取并存儲一個時間段內(nèi)的魚菜共生系統(tǒng)的環(huán)境數(shù)據(jù)及溶解氧數(shù)據(jù)；步驟2、用歸一化方法對所述環(huán)境數(shù)據(jù)進行數(shù)據(jù)標準化預(yù)處理，獲得模糊神經(jīng)網(wǎng)絡(luò)溶解氧預(yù)測控制模型的訓練數(shù)據(jù)集；步驟3、根據(jù)訓練數(shù)據(jù)集，獲取模糊神經(jīng)網(wǎng)絡(luò)溶解氧預(yù)測控制模型；步驟4、將當前溶解氧含量的實時數(shù)據(jù)輸入模糊神經(jīng)網(wǎng)絡(luò)溶解氧預(yù)測控制模型，得到水中的溶解氧含量的預(yù)測結(jié)果。

但是現(xiàn)有的水體溶解氧預(yù)測方法存在預(yù)測收斂速度慢、預(yù)測精度低以及效率低等問題，而且無法精準快速的處理因環(huán)境等外界因素所帶來的數(shù)據(jù)波動大等問題。

發(fā)明內(nèi)容

針對上述的技術(shù)問題，本發(fā)明提供一種水體溶解氧預(yù)測方法及裝置。

第一方面，本發(fā)明提供一種水體溶解氧預(yù)測方法，包括：將預(yù)測樣本輸入通過訓練基于K-means聚類法分類識別的訓練樣本建立的預(yù)測模型，獲得未來第一預(yù)設(shè)時間段內(nèi)的溶解氧預(yù)測值。

其中，所述方法進一步包括：S1，獲取水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)及生物量數(shù)據(jù)各自與溶解氧數(shù)據(jù)的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)選取模板樣本；S2，通過K-means聚類法按照所述第一預(yù)設(shè)時間段對所述模板樣本進行分類，在所述分類的模板樣本中識別出與所述預(yù)測樣本相似的模板樣本作為訓練樣本；S3，對所述訓練樣本進行訓練，以建立預(yù)測模型。

其中，在所述S1之前還包括S0，采集并存儲第二預(yù)設(shè)時間段內(nèi)的溶解氧數(shù)據(jù)、水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)以及生物量數(shù)據(jù)。

其中，在所述S0之后、所述S1之前包括：采用線性插值法對所述水質(zhì)數(shù)據(jù)進行處理，采用均值平滑法對所述生物量數(shù)據(jù)進行處理，以及采用小波變化法對所述氣象數(shù)據(jù)進行處理。

其中，在所述S0之后、所述S1之前還包括：對處理后的所述水質(zhì)數(shù)據(jù)、所述氣象數(shù)據(jù)以及所述生物量數(shù)據(jù)分別進行歸一化處理。

其中，所述S1進一步包括：根據(jù)皮爾森相關(guān)系數(shù)法獲取所述水質(zhì)數(shù)據(jù)、所述氣象數(shù)據(jù)及所述生物量數(shù)據(jù)各自與所述溶解氧數(shù)據(jù)的相關(guān)系數(shù)。

其中，所述S2中在所述分類的模板樣本中識別出與所述預(yù)測樣本相似的模板樣本作為訓練樣本進一步包括：根據(jù)基于歐式距離和夾角余弦原理獲取的相似度，在所述分類的模板樣本中識別出與所述預(yù)測樣本相似的模板樣本作為訓練樣本。

其中，所述S3中對所述訓練樣本進行訓練進一步包括：采用模糊神經(jīng)網(wǎng)絡(luò)對所述訓練樣本進行訓練。

第二方面，本發(fā)明提供一種水體溶解氧預(yù)測裝置，包括：預(yù)測模塊，用于將預(yù)測樣本輸入通過訓練基于K-means聚類法分類識別的訓練樣本建立的預(yù)測模型，獲得未來第一預(yù)設(shè)時間段內(nèi)的溶解氧預(yù)測值。

其中，所述裝置還包括：獲取模塊，用于獲取水質(zhì)數(shù)據(jù)、氣象數(shù)據(jù)以及生物量數(shù)據(jù)各自與溶解氧數(shù)據(jù)的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)選取模板樣本；處理模塊，用于通過K-means聚類法按照所述第一預(yù)設(shè)時間段對所述模板樣本進行分類，在所述分類的模板樣本中識別出與所述預(yù)測樣本相似的模板樣本作為訓練樣本；模型建立模塊，用于對所述訓練樣本進行訓練，以建立預(yù)測模型。

本發(fā)明提供的一種水體溶解氧預(yù)測方法及裝置，采用相關(guān)系數(shù)選取模板樣本，然后采用K-means聚類法按照第一預(yù)設(shè)時間段對模板樣本進行分類，并在分類的模板樣本中識別出與預(yù)測樣本相似的模板樣本作為訓練樣本，再對訓練樣本進行訓練和預(yù)測，以建立預(yù)測模型，最后將預(yù)測樣本輸入預(yù)測模型，以獲得預(yù)測時刻后一段時間內(nèi)的溶解氧預(yù)測值。該預(yù)測方法具有較高的預(yù)測精度及較強的適應(yīng)度，并且在預(yù)測穩(wěn)定性和精度上，有較好的魯棒性和復雜線性映射能力，特別適合于易受環(huán)境等外界因素影響的魚菜共生系統(tǒng)的水體溶解氧預(yù)測。

附圖說明