论文部分内容阅读
为了提高水产养殖水产品的质量与产量,本文选取水质参数中的三个关键参数水温、PH值及溶解氧进行研究,对这三个关键参数的作用机理进行了深度的剖析。为实现水质参数预测及水质预警的准确性,本文首先提出一种新的水质参数数据降噪算法,利用小波分析算法对水质参数数据进行降噪,再运用分层阈值方法,对降噪结果进行精细化处理。实验结果表明,其数据降噪效果较其他数据降噪法在水质参数数据恢复领域更加精确,能够有效的缩短运行所需的时间。本文还提出了一种新的水质参数数据恢复算法,选择基于压缩感知的数据恢复算法对水质参数数据进行恢复,引入分块重构的方法,缩短运算的时间,再引入步长和稀疏度自适应的迭代法,解决恢复效果不佳及运算时间过长的问题。最后联合水质参数中其他参数,利用稀疏分解提取参数间的共同分量,来提高数据的重构精度。实验结果表明,其数据恢复效果较其他数据恢复算法在水质参数数据恢复领域更加精确,能够有效的缩短运行所需的时间。以上是针对参数数据预处理的算法改进,在数据进行预处理后,接下来本文提出了新的水质参数数据预测算法对处理后的数据进行预测分析。利用RBF-ARIMA组合模型预测算法对水质参数数据进行预测,分解参数数据为线性部分和非线性部分,分别对拆分后的参数数据进行预测,可以有效的预测出水质参数的走势。实验结果表明,其预测结果较其他数据预测算法在水质参数数据恢复领域更加精确,且实时性较强。最后本文提出了新的水质预警算法,选择基于T-S模糊神经网络的水质预警算法对水质进行预警评估,选择一定数量的历史数据作为训练样本得出预警级别,再把需要进行预警的数据输入从而获得预警信息。该预警算法能够有效的对水质环境做出预警评估。实验结果表明,其预警结果较其他预警算法在水质预警领域更加精确,为养殖户的经济利益成本提供了保障,最后研究开发了一套水产养殖智能监测系统,并将上述算法融合使用于实际应用中,达到了预期的效果。