基于物联网的对虾工厂化育苗环境智能监控系统研究

针对南美白对虾工厂化育苗环境监测手段落后、信息化管理水平低等问题,采用物联网、云计算等技术构建了南美白对虾工厂化育苗环境智能监控系统。系统运用多种传感器在线采集南美白对虾育苗水环境数据,通过经验模态分解对采集的数据进行降噪和特征提取,利用各分量训练优化极限学习机,并构建育苗环境关键影响因子预测模型,为环境参数调控提供决策依据;还运用规则引擎技术降低业务逻辑复杂性和提高系统快速部署能力。已在广东湛江南美白对虾工厂化育苗基地进行测试与应用,结果表明,系统部署便捷,扩展性强,不仅实现了育苗环境智能监控,还具有较高实用价值和广泛应用前景。

基于PCA-MCAFA-LSSVM的养殖水质pH值预测模型

为解决水质预测传统方法精度低、鲁棒性差等问题，提出了基于主成分分析（PCA）、改进文化鱼群算法（MCAFA）和最小二乘支持向量机（PCA-MCAFA-LSSVM）的养殖水质pH值预测模型。该模型通过主成分分析提取养殖生态环境指标的主成分，降低模型输入向量维数，利用改进文化鱼群算法对最小二乘支持向量机超参数进行组合优化，以自动获取最优超参数建立非线性养殖水质pH值预测模型。应用该模型对宜兴市河蟹养殖某池塘2011年9月1日～9月4日在线监测的水质数据进行了预测分析，试验结果表明：该模型取得较好的预测效果，与分别用蚁群算法或遗传算法优化LSSVM的方法相比，PCA-MCAFA-LSSVM模型有93.05%的测试样本绝对误差小于8%，最大绝对误差仅为11.61%，均方根误差、平均相对误差绝对值和运行时间分别为0.0474、0.0041和4.367s，且均优于其他预测方法。PCA-MCAFA-LSSVM算法不仅计算速度快、测精度高，还能够为河蟹养殖水质调控管理提供决策依据。

基于时间相似数据的支持向量机水质溶解氧在线预测

为及时辨识集约化水产养殖水质变化趋势、动态调控水质,确保无应激环境下健康养殖,该文提出了基于时序列相似数据的最小二乘支持向量回归机(least squares support vector regression,LSSVR)水质溶解氧在线预测模型。采用特征点分段时间弯曲距离(feature points segmented time warping distance,FPSTWD)算法对在线采集的时间序列数据进行分段与相似度计算,以缩减规模的子序列数据集对LSSVR模型进行快速训练优化,实现了多个LSSVR子模型在线建模,将预测数据序列与LSSVR子模型的相似度匹配,自适应地选取最佳的子模型作为在线预测模型。应用该模型对集约化河蟹福利养殖水质参数溶解氧浓度进行在线预测,模型评价指标中最大相对误差、平均绝对百分比误差、相对均方根误差和运行时间分别为4.76%、8.18%、5.23%、8.32 s。研究结果表明,与其他预测方法相比,该模型具有较好的综合预测性能,能够满足河蟹福利养殖水质在线预测的实际需求,并为集约化水产养殖水质精准调控提供研究基础。

基于物联网的南美白对虾疾病远程智能诊断系统

为降低南美白对虾养殖风险,提高其疾病诊断与防治水平,将多种传感器在线采集的对虾养殖生态环境数据、3G手机获取的疾病图片和疾病诊治经验等多种数据进行融合,采用基于案例推理和规则推理相集成的混合推理、粗糙集融合多分类支持向量机、图像处理等多种方法,研制了基于物联网的南美白对虾疾病远程智能诊断系统。在浙江、广东等省对虾养殖区域进行现场验证,试验结果表明:该系统不仅实现了远程监测对虾养殖生态环境数据、对虾疾病图像、诊治经验数据和诊治推理规则等知识管理功能,还能够在多种数据融合的基础上,实现对虾疾病远程智能诊断与防治、疾病预警等功能。

基于粗糙集融合支持向量机的水质预警模型

为解决因水质预警耦合因素多,预警模式复杂以及信息不完整所引起的水质预警精度低问题,提出了粗糙集融合支持向量机(RS-SVM)的水质预警模型.首先采用粗糙集对14个初始预警指标进行属性约简,去除冗余或干扰特征,得到基于5个核心预警指标的数据集,以此数据集对支持向量机进行训练优化,构建RS-SVM水质预警模型.运用该模型对江苏宜兴市集约化河蟹养殖池塘水质进行预警,实证对比分析,对于不同的警度级别,预警精度都在91%以上,与标准支持向量机和BP神经网络模型相比,该模型不仅具有计算效率高、预警性能好,且预警结果与实际情况比较吻合,为集约化水产养殖水质预警提供了一种新思路.

基于APSO-WLSSVR的水质预测模型

为解决传统预测方法和标准最小二乘支持向量回归机(least squares support vector regression,LSSVR)在水质预测中存在预测精度低、鲁棒性差等问题,提出了自适应粒子群优化加权最小二乘支持向量回归机(adaptiveparticle swarm optimization weighted least squares support vector regression,APSO-WLSSVR)的水质预测模型。根据样本对模型重要性不同为各样本赋予不同权重,建立了加权最小二乘支持向量回归机(weighted least squaressupport vector regression,WLSSVR),实现对样本数据"重近轻远"的优化选择,避免标准LSSVR算法因没有考虑样本重要性差异致使预测精度低的问题;采用自适应粒子群优化算法对模型参数组合进行优化选择,克服了标准LSSVR算法因试凑法获取参数的盲目性和人为因素的影响。为验证该模型的性能,对江苏省宜兴市集约化河蟹养殖水质进行预测,并与其他预测方法对比分析,结果表明该模型预测精度明显提高,还具有较好的鲁棒性和泛化能力,能够满足集约化水产养殖水质管理的实际需要。