水产养殖溶解氧智能预测方法研究

发布时间：2022-12-11 05:45

　　随着水产养殖业的快速发展,加强养殖水质预测关键技术研究,提升水产养殖灾防灾能力,保障水产养殖安全生产已成为渔业生产的关键内容之一。在养殖池塘中,溶解氧（dissolved oxygen,DO）是养殖池塘水质的一项重要指标,氧气不足会对鱼类的生存环境产生不利影响。准确预测未来水中溶解氧变化趋势,建立准确、实用的预测模型对于水产养殖业具有重要的现实意义。目前,物联网和大数据技术在水产养殖溶解氧预测中应用尚处于摸索和尝试阶段,溶解氧预测模型依然停留在实验室研究阶段,要使溶解氧预测达到实用化水平,关键要提高预测模型精度,其次是实现在线预测。本文以水产养殖溶解氧为研究对象,搭建多尺度养殖环境物联网系统,运用机器学习方法建立溶解氧预测模型,实现快速响应的溶解氧在线预测应用。主要研究内容及结论如下:（1）为了给溶解氧预测模型提供全面、准确的数据来源,首先研究水产养殖池塘中溶解氧变化过程,分析时空多尺度环境因子与溶解氧的关系。进而得出需要监测的水质指标为溶解氧,7个水体因子（水温、p H、氨氮、总氮、总磷、高锰酸盐和亚硝酸盐）和5个气象因子（气温、风速、气压、光照和湿度）。接着通过NB-Io T技术获... 

【文章页数】：130 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 水质预测方法研究进展
        1.2.2 水产养殖物联网研究进展
        1.2.3 NB-IoT技术研究进展
    1.3 研究内容、研究方法和技术路线
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 技术路线
    1.4 论文组织架构
第2章 基于NB-IOT的水产养殖多尺度环境数据获取研究
    2.1 影响溶解氧的多尺度环境因子分析
    2.2 基于NB-IOT的多尺度环境数据获取体系框架
    2.3 NB-IOT信息感知设计
        2.3.1 水质传感设计
        2.3.2 水质化学检测和气象感知设计
        2.3.3 数据帧格式及终端程序设计
    2.4 云服务数据传输
        2.4.1 IoT平台设备对接
        2.4.2 IoT平台北向应用
    2.5 本章小结
第3章 基于EEMD-LSSVM的溶解氧时间序列预测模型研究
    3.1 时间序列预测模型总体思路
    3.2 溶解氧时间序列实验数据分析
        3.2.1 溶解氧时间序列数据来源
        3.2.2 溶解氧时间序列自相关特性解析
    3.3 基于EEMD-LSSVM的溶解氧时间序列预测模型构造
        3.3.1 验模态分解
        3.3.2 样本熵合并
        3.3.3 相空间重构
        3.3.4 自适应蚁群算法优化LSSVM预测
        3.3.5 BP神 网络预测结果叠加
    3.4 实验对比分析
        3.4.1 模型评价指标
        3.4.2 实验Ⅰ：与单一预测模型的对比分析
        3.4.3 实验Ⅱ：分解算法的对比分析
        3.4.4 实验Ⅲ：LSSVM参数优化的对比分析
        3.4.5 实验Ⅳ：结果叠加的对比分析
    3.5 本章小节
第4章 基于相似日聚类的多因子溶解氧预测模型研究
    4.1 基于相似日聚类的多因子预测模型总体思路
    4.2 多因子实验数据预处理
    4.3 基于相似日聚类的多因子溶解氧预测模型构造
        4.3.1 灰色关联度筛选关键因子
        4.3.2 相似日聚类样本
        4.3.3 EEMD分解多因子序列
        4.3.4 样本熵合并子序列
        4.3.5 多分ELM预测
        4.3.6 BP神 网络叠加预测结果
    4.4 实验对比分析
        4.4.1 实验Ⅰ：与不聚类样本集模型的对比分析
        4.4.2 实验Ⅱ：不同天气类型EEMD-LSSVM、MF-ES-ELM对比分析
    4.5 本章小节
第5章 基于两级中间件响应速度优化的软件应用系统研究
    5.1 中间件设计思路
    5.2 第一级中间件设计
    5.3 第二级中间件设计
    5.4 应用实现
        5.4.1 Web应用实现
        5.4.2 Android应用实现
    5.5 本章小节
第6章 水产养殖物联网应用系统测试
    6.1 测试准备
    6.2 数据准确性测试
    6.3 网络丢包率测试
    6.4 控制成功率测试
    6.5 预测准确率测试
    6.6 交互响应测试
    6.7 本章小结
第7章 结论与展望
    7.1 研究结论
    7.2 主要创新点
    7.3 研究展望
参考文献
致谢
攻读博士学位期间的主要成果


【参考文献】：
期刊论文
[1]基于窄带物联网的养殖塘水质监测系统研制[J]. 宦娟,吴帆,曹伟建,李慧,刘星桥.  农业工程学报. 2019(08)
[2]蜂群算法在太阳电池组件参数辨识中的应用[J]. 简献忠,吴明伟,肖儿良,姜冠祥,蔡留美,郑照平.  太阳能学报. 2019(03)
[3]A Novel Hotfix Scheme for System Vulnerability Based on the Android Application Layer[J]. ZHANG Wen,SU Ningning,NIU Shaozhang,LI Hui,HUANG Ruqiang.  Chinese Journal of Electronics. 2019(02)
[4]基于4G信令监测系统的NB-IoT共享单车解决方案[J]. 包琅允.  电信工程技术与标准化. 2019(03)
[5]基于区块链的能源互联网智能交易与协同调度体系研究[J]. 龚钢军,张桐,魏沛芳,苏畅,王慧娟,吴秋新,刘韧,张帅.  中国电机工程学报. 2019(05)
[6]基于改进K-means聚类算法的大田麦穗自动计数[J]. 刘哲,黄文准,王利平.  农业工程学报. 2019(03)
[7]物联网通信中间件的设计与实现[J]. 杨慧慧,岳峻,贾世祥,李振波,李文升.  鲁东大学学报(自然科学版). 2019(01)
[8]车载自组织网视频流媒体协助下载研究[J]. 陈亮,王军,陈蓉,顾翔,王进,万杰.  通信学报. 2019(01)
[9]基于NoSQL数据库的农田物联网云存储系统设计与实现[J]. 许鑫,时雷,何龙,张浩,马新明.  农业工程学报. 2019(01)
[10]基于Shannon信息熵与BP神经网络的隐私数据度量与分级模型[J]. 俞艺涵,付钰,吴晓平.  通信学报. 2018(12)

硕士论文
[1]基于大数据技术的智慧水产养殖系统研究[D]. 茆毓琦.青岛科技大学 2018
[2]基于NB-IoT的城市声光污染监测系统研究[D]. 穆志洋.浙江大学 2018
[3]面向安卓终端的大气物联网环境监测系统研究[D]. 孙洪彬.吉林大学 2017
[4]基于数据融合和Web的水产养殖远程监控系统设计[D]. 管云霞.江苏大学 2016



本文编号：3718247