共查询到16条相似文献，搜索用时 562 毫秒
1.
为了保证养殖水体溶解氧充足,水产养殖普遍采用全天大功率开启增氧机的生产方式,这造成了很大的能源消耗。针对上述问题,本文提出了一种基于建模预测与关系规则库的溶解氧调控方法,首先构建了一种自适应增强的粒子群优化极限学习机预测模型（AdaBoost-PSO-ELM）,实现溶解氧含量的准确预测;然后进行增氧预实验,采用曲面拟合方法对溶解氧初始含量、曝气流量和增氧机开启时间之间的作用关系进行精确量化,构建关系规则库;最后专家系统基于溶解氧含量预测值,调用已建立的关系规则库,合理控制增氧机的开启功率与时间。与其它常规的预测模型相比,AdaBoost-PSO-ELM模型的MSE、MAE和RMSE均为最优,分别为0.005 5 mg2/L2、0.053 1 mg/L、0.074 5 mg/L,可以实现溶解氧的准确预测。增氧实验结果表明,基于三次多项式的先验方程能够对溶解氧初始含量、曝气流量和增氧机开启时间之间非线性关系进行准确量化,拟合R2均在0.99以上。由此可知,基于量化结果所构建的规则库与预测模型相结合能够合理控制增氧机的开启功率... 相似文献
2.
为了更准确地评价池塘养殖中主要的三种不同增氧方式的增氧机的性能,通过标准水池试验和养殖池塘中实地试验,研究了三种增氧机的增氧方式在清水试验中的增氧能力、动力效率和养殖池塘中的溶解氧均匀度与水温均匀度的变化。结果表明,曝气式增氧机增氧能力和动力效率最好,增氧能力比水车的高55.1%,动力效率比水车的高出64.0%。增氧能力和动力效率从高到低依次是曝气式、叶轮式和水车式。水车增氧机对养殖池溶解氧的均匀度提升最快,最高的达到46.43%,曝气增氧设备对养殖池溶解氧的均匀度提升达到29.46%;对养殖池水温均匀度的提升,三种增氧机都不是很明显。该研究为在池塘养殖中合理运用不同增氧方式提供了有益的借鉴。 相似文献
3.
基于物联网的浮标水质监测系统与溶解氧浓度预测模型 总被引：2，自引：0，他引：2
为促进近海养殖业信息化发展,更好地实现对近海养殖环境的监控,设计了基于浮标平台的环境监测系统。利用STM32L475微控制器定时采集光照、温度、pH值、溶解氧浓度等信息,通过物联网技术将数据传输至云监测平台,实现了多区域环境信息远程监测和多终端访问。提出了改进遗传算法BP神经网络的溶解氧浓度预测模型,实现对近海养殖环境的预测;根据所采集的数据,利用改进遗传算法对初始权重和阈值进行优化得到最优参数,在此基础上构建BP神经网络溶解氧浓度预测模型。通过试验验证了该系统海洋环境信息采集的准确性与可靠性,以及溶解氧浓度预测模型的有效性;与传统遗传算法BP神经网络预测模型相比,平均误差由0.0778mg/L降至0.0178mg/L,能够满足近海养殖的实际需求。 相似文献
4.
在稻虾养殖模式中溶解氧含量(浓度)是养殖水体的重要指标之一,其直接影响小龙虾的摄食量和新陈代谢,因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂,难以快速准确预测的问题,提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测,首先对传感器进行了清洗校准,并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型,BiLSTM提取更多特征因子,GRU实现快速预测,快速准确预测溶解氧含量变化。为了使监测预测性能更优,对不同采样周期下的资源损耗及预测模型性能进行综合对比分析,确定了传感器数据最优采样周期为30 min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比,表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好,其平均绝对误差、均方根误差和决定系数分别为0.275 9 mg/L、0.616 0 mg/L和0.954 7,比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。 相似文献
5.
水体溶解氧(Dissolved oxygen，DO)是养殖水产品健康生长的重要生态因子。池塘溶解氧易受多种因素的影响，会产生时间和空间上分布的差异，现有的溶解氧预测方法大多是针对单监测点的时间序列预测，无法描述池塘溶解氧的空间分布，因此，对池塘溶解氧进行时间和空间预测非常重要。本文提出一种基于自回归循环神经网络(Autoregressive recurrent neural network，DeepAR)和正则化极限学习机(Regularized extreme learning machine，RELM)的池塘溶解氧时空预测方法。首先采用样本熵(Sample entropy，SE)衡量各个监测点溶解氧序列的波动程度，采用最大互信息系数(Maximum mutual information coefficient，MIC)衡量监测点溶解氧序列之间的相关性，综合选取出溶解氧序列波动程度较小且与各个监测点相关性较大的监测点作为中心监测点，并以中心监测点为原点，建立池塘空间坐标系；其次采用DeepAR算法构建中心监测点的溶解氧时间序列预测模型，实现中心监测点溶解氧时间序列预测；最后采用RELM算法构建中心监测点与池塘各位置溶解氧之间的空间映射关系模型，结合中心监测点溶解氧时间序列预测值和池塘空间坐标，实现对未来时刻池塘溶解氧的空间预测。该方法在提高时间序列预测精度的同时，实现了对未来时刻池塘溶解氧空间状态的预测。在真实的数据集上进行测试，预测未来24h的池塘空间溶解氧值，均方根误差(RMSE)为1.2633mg/L、平均绝对误差(MAE)为0.9755mg/L、平均绝对百分比误差(MAPE)为14.8732%。并与标准极限学习机（Extreme learning machine，ELM）、径向基神经网络（Radial basis function neural network，RBFNN）、梯度提升回归树（Gradient boosting regression tree ，GBRT）和随机森林（Random forest，RF）4种预测方法进行对比，各评价指标的性能均有较大幅度提升，表明该方法有较好的预测精度和泛化能力，能够较准确地实现池塘溶解氧时空预测。 相似文献
6.
7.
基于LEACH协议的水产养殖参数智能监控系统 总被引：1，自引：0，他引：1
提出了基于LEACH(Low energy adaptive clustering hierarchy)协议的水产养殖溶解氧参数低功耗无线测量网络和溶解氧浓度的智能变频控制技术。无线传感网络中簇首对测量节点的数据先进行融合,然后发送到基站。针对水体溶解氧参数变化缓慢的特点,规定在每一帧内变化小于0.1 mg/L时,不再向簇首发送数据。簇首调整各节点在该帧内数据发送时隙,延长簇首和节点的休眠时间,降低了功耗。PLC根据溶解氧参数的变化一方面通过变频器控制叶轮增氧机,在白天水体溶解氧质量浓度大于5.0 mg/L时,叶轮增氧机低速"耕水",充分利用自然界的风能、光能和藻类的光合作用改善水质;另一方面当溶解氧质量浓度低于5.0 mg/L下限时,采用模糊变频控制迅速缩小误差,在接近控制目标后,变频器输出稳定。通过试验验证,相对于人工粗略控制,节约电能42.3%以上,产量提高11.8%,综合经济收益提高41.3%。 相似文献
8.
针对我国规模化、高密度化水产养殖中机械增氧方式单一和增氧效率偏低的问题，提出利用耕水机白天以低功率驱动养殖池水体上下循环，促进各层水体中的藻类循环到上层，通过光合作用大幅度提高水体溶解氧含量，以减少其他增氧机械应急增氧。分析了溶解氧含量测量节点对测量误差的二次抛物线自修正，进行了可变因子与固定因子模糊变频增氧控制、复合增氧与单一机械增氧的对比试验。通过试验发现，可变因子模糊变频控制可更快提高水体溶解氧含量，在额定区域内更稳定；在晴朗白天、无应急增氧情况下，复合增氧模式下养殖池水体溶解氧分布不仅上下层均匀，而且整个水体吸收了更多藻类光合作用产生的氧气；在应急增氧情况下，复合增氧模式下养殖池不仅各层水体溶解氧含量得到提高，而且耕水机驱散了叶轮增氧机附近的高溶解氧含量水体，有利于提高增氧机效率。试验表明，复合增氧模式下晴天单个养殖池每天节约电能7.80kW·h，第3季度节约电能587.34kW·h，〖JP〗表明水产养殖中复合式机械增氧有利于节约电能。 相似文献
9.
熟悉增氧机的人都知道,增氧机可以增加水中溶解氧量,促进水的流通并防止水体的温度、化学及氧气出现分层。增氧机在水塘深处运作,不仅可以改善水塘底部的土质,还可以使底层的土增加氧并减少产生有毒气体,有效防止水产品的患病及死亡。目前市面上有许多类型的增氧机,并在全国各地的水产养殖中得到普及推广。但是,仍有不少渔民朋友们不能很好地合理选用和使用增氧机。在此,我们谈谈增氧机的选购、使用和维护。1增氧机的种类与选购1.1叶轮式增氧机该类增氧机运用搅拌水体和曝气原理增加水中的溶氧量,增氧效果好,动力效率高,服务面积大,但噪声较… 相似文献
10.
为对水产养殖池塘的溶解氧进行有效监控,提出基于故障树分析的增氧机控制系统可靠性动态风险评价法。利用故障树分析法(FTA)确定增氧机控制系统在不同时空条件下影响溶解氧给定、系统通信、溶解氧检测和溶解氧控制等可靠性的主要风险因素,实时构建可靠性风险评价指标体系。建立权重跟随指标值动态变化的变权赋值模型,应用相对差异函数确定评价指标的隶属度,通过对增氧机控制系统可靠性动态风险进行综合评定和等级特征值计算,确定增氧机控制系统当前可靠性状态。以镇江市某个池塘增氧机控制系统可靠性为例进行动态风险综合评价,得出该系统当前可靠性风险等级为中等,该评价结果能够提供提高增氧机控制系统可靠性的科学依据。 相似文献
11.
为了研究各不同状态下叶片数对倒伞曝气机曝气性能的影响情况,制作了叶片数分别为6枚和8枚的2个倒伞曝气机叶轮,进行了溶解氧试验来研究倒伞曝气机的曝气性能.通过改变曝气池液位高度及倒伞曝气机浸没深度,研究了不同叶片数下,标准氧总转移系数、标准充氧能力和标准动力效率的变化规律.结果表明:在同一转速下,8叶片倒伞曝气机的标准氧总转移系数和标准充氧能力明显高于6叶片的.倒伞曝气机的叶片增加,叶轮的抛洒强度增加,液体与空气的接触面积增大,氧传质效率得到有效提高.同时,靠近自由液面的液体波动加大,使液体与气泡间的相互作用更加剧烈,增大了湍动传质的能力.但是增加叶片数会使得消耗的功率增加,故相同转速下不同叶片数的倒伞曝气机的标准动力效率差别较小.研究为倒伞曝气机的经济运行提供参考. 相似文献
12.
13.
溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。 相似文献
14.
基于遗传算法与RBF网络的养殖池塘溶解氧模型 总被引：1，自引：0，他引：1
在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础. 相似文献
15.
设计合理的决策支持系统（DSS）是一种基于软件的互动系统,旨在帮助决策者根据不同来源定义和解决问题,编译有用的信息。基于农场提供的最大增氧效率的有效数据,利用Microsoft Excel 2007电子表格设计了一款用于鱼塘机械增氧工艺管理的决策支持系统。该系统的使用将有助于农民和推广人员选择高效的增氧机和确定机组数量,并且在保证各鱼塘保持溶解氧含量在安全范围内的情况下,算得各鱼塘增氧机的功率和运转时间。电子表格方式适合于3种温水生长的鱼,分别为罗非鱼、梭鱼和鲤鱼。在设定实地条件下,电子表格计算结果与参考数据进行比较,结果表明电子表格结果符合参考值。在田间以机械（MAP）和非机械（NMAP）增氧数据对电子表格进行验证。利用该系统管理MAP能增产3.3%,与NMAP相比还节省了61.80%的水交换。试验结果表明,对于不同池塘水环境和鱼种类,决策支持系统精度提高的进一步研究中可以应用电子表格。 相似文献
16.
利用微纳米发泡器对微咸水进行加氧处理,并对加氧微咸水入渗条件下的土壤水盐运移特征及对入渗模型参数影响开展了研究。结果表明,在微咸水不同溶氧量入渗条件下,入渗时间相同时,累积入渗量和湿润锋深度随溶氧量增加先增加后减小,微咸水溶氧量为14. 0 mg/L时累积入渗量和湿润锋深度最大。相比于其他处理,微咸水溶氧量为14. 0 mg/L时能加快水分入渗,增加土壤体积含水率。此外,相比于不加氧处理,不同加氧水平入渗均能提高灌溉水脱盐效率。同时,利用现有入渗模型对入渗过程进行了定量分析,结果显示代数模型和PHILIP模型都能准确描述加氧微咸水入渗过程,而且模型参数与微咸水溶氧量存在函数关系。PHILIP模型中吸渗率随着微咸水溶氧量的增加呈先增加后减小的趋势,最大值出现在14. 0 mg/L,代数模型中综合形状系数则呈现相反的规律,最小值出现在14. 0 mg/L,且代数模型可较好描述加氧微咸水一维垂直入渗条件下的土壤含水率分布。 相似文献