排序方式： 共有13条查询结果，搜索用时 281 毫秒
1.
2.
基于游程检测法重构集合经验模态的养殖水质溶解氧预测 总被引：1，自引：1，他引：0
为了提高水产养殖中溶解氧的预测精度,该文提出了基于集合经验模态(ensemble empirical mode decomposition,EEMD)分解、游程检测法重构、适宜的单项预测算法建模和BP神经网络非线性叠加的组合预测模型。该模型首先将溶解氧原始序列用EEMD分解法进行分解,得到了多个分量;其次,用游程检测法将这些分量重构成高频分量、中频分量和低频分量等3个分量;接着,针对高频分量波动性大且复杂、中频分量呈现周期性、低频分量几乎呈线性的特点,采用粒子群(particle swarm optimization,PSO)优化的最小二乘支持向量机(least square support vector machine,LSSVM)对高频项进行预测,采用极限学习机(extreme learning machine,ELM)对中频项预测,采用非线性回归(nonlinear regression method,NRM)对低频项预测;最后,将3个分量预测的结果用BP神经网络进行重构得到最终的预测结果。将该模型应用于江苏省溧阳市埭头黄家荡特种水产养殖场的溶解氧预测中,试验表明,该种以游程检测法重构EEMD为基础的混合预测模型的预测精度高于PSO-LSSVM和单一的ELM预测模型。在预测未来48 h的溶解氧值时,该模型的预测值与实测值的均方根误差RMSE为0.099 2、平均相对误差均值MAPE为0.078、平均绝对误差MAE为0.015 5,R~2为0.995 5。表明该模型有较好的预测精度和泛化能力,能够满足现代化水产养殖业对溶解氧精细化管理的高要求。 相似文献
3.
基于无线传感器网络的节能型水产养殖自动监控系统 总被引：6，自引：5，他引：1
水产养殖的规模化发展和人力成本的不断上升迫切需要建立水质参数的无人值守自动监控系统。该文提出了一种基于改进型低能耗分层分群协议（LEACH）的Zigbee无线传感网络的水质监测和基于西门子PLC的变频增氧控制系统。在LEACH-C通信协议中,由基站根据各节点剩余能量的估算值选定簇首,达到各节点供电电池剩余能量的均衡,同时从系统的实际控制精度出发,当节点测量到的溶解氧浓度值与上次发送值误差在0.02 mg/L范围内时,不向簇首发送数据,达到节约供电电池能量的目的,经试验发现采用优化后的LEACH-C协议,比采用常规的LEACH协议网络有效寿命延长33.33%。适合鲈鱼生长的水体溶解氧质量浓度大于4.5 mg/L,但随着浓度的上升增氧效率将逐步降低,因此设定应急增氧的区间为4.5～5.5 mg/L。控制系统根据无线传感网络测量的溶解氧质量浓度值,采用PI-PID控制水体溶解氧浓度。保证了水体溶解氧质量浓度始终适合鱼类生长。通过试验验证,与人工粗略控制相比,这种控制方法大幅降低了人力成本和节约了51%的电能。该文可为水产养殖自动控制研究提供参考。 相似文献
4.
工厂化水产养殖溶解氧预测模型优化 总被引：4，自引：0，他引：4
为准确预测溶解氧变化趋势,降低水产养殖风险,提出混沌变异的分布估计(CMEDA)算法优化最小二乘支持向量机模型(LSSVR),提高了溶解氧预测精度。并对粒子群算法和遗传算法分别优化的LSSVR模型(PSOLSSVR、GA-LSSVR)以及传统的LSSVR模型与CMEDA优化的LSSVR模型(CMEDA-LSSVR)进行了比较研究。利用该模型对江苏省扬中市红鲷鱼工厂化养殖鱼塘溶解氧含量进行了预测。实验结果表明,CMEDA-LSSVR的预测精度高于其他3种算法,CMEDA-LSSVR、PSO-LSSVR、GA-LSSVR、LSSVR 4种模型预测精度评价指标平均绝对百分比误差分别为0.32%、1.27%、1.98%和2.56%。实际应用结果表明该模型可以为鱼塘水质决策管理提供依据,具有一定的应用价值。 相似文献
5.
基于K-means 聚类和ELM神经网络的养殖水质溶解氧预测 总被引：8，自引：5，他引：3
为解决养殖水质溶解氧预测传统方法引入不良样本、精度低等问题,该文以2014、2015年江苏常州养殖基地水质和气象数据为基础,提出了一种基于K-means聚类和ELM神经网络（extreme learning machine,ELM）的溶解氧预测模型。采用皮尔森相关系数法确定环境因素与溶解氧的相关系数,自定义相似日的统计量－相似度,通过K-means聚类方法将历史日样本划分为若干类,然后分类识别获得与预测日最相似的一类历史日样本集,将其与预测日的实测环境因素作为预测模型的输入样本建立ELM神经网络溶解氧预测模型。试验结果表明,该模型均具有较快的计算速度和较高的预测精度,在常规天气下,平均绝对百分误差和均方根误差分别达到1.4%、10.8%;在突变天气下,平均绝对百分误差和均方根误差分别达到2.6%和11.6%,有利于水产养殖水质精准调控。 相似文献
6.
基于窄带物联网的养殖塘水质监测系统研制 总被引：4，自引：4，他引：0
为了促进水产养殖信息化的发展,更加准确、便捷地对水产养殖塘进行监测,该文研发了一种基于窄带物联网(narrow band Internet of Things,NB-IoT)技术的养殖塘水质监测系统,实现了对多传感器节点信息(温度、pH值、溶解氧等环境参数)的远程采集和数据存储功能,以及对养殖塘的智能控制和集中管理。系统利用STM32L151C8单片机和传感器终端实时采集温度、pH值、溶解氧等水质信息,通过NB-IoT技术实现数据汇总和远距离传输至IoT电信云平台,Keil工具实现NB无线通信模组数据格式的设计以及数据的发送,Java用于开发访问云平台、控制底层设备和本地数据处理的后台监测应用,其既能够发送HTTP请求对云平台数据进行监测,也可以向底层控制模块下发命令,控制增氧机等设备的启动和关闭。试验结果表明:该系统可实时获取温度、pH值、溶解氧等水质参数信息,温度控制精度保持在?0.12℃,平均相对误差为0.15%,溶解氧控制精度保持在?0.55mg/L以内,平均相对误差为2.48%,pH值控制精度保持在?0.09,平均相对误差为0.21%。系统整体运行稳定,数据传输实时、准确,能够满足实际生产需要,为进一步水质调节和水产养殖生产管理提供了有力的数据和技术支持。 相似文献
7.
基于Zigbee通信的节能型混合式机械增氧系统 总被引：1，自引：0，他引：1
构建了一套增氧系统,采用耕水机和微孔曝气增氧机混合增氧的模式,白天通过定时控制以耕水机工作为主,晚上或阴雨天缺氧时以微孔曝气增氧为主。在环境参数不断变化的情况下,为了保持溶解氧的稳定,控制方法采用误差反传的模糊神经网络控制。试验表明,在相同条件下采用混合式增氧控制较传统的叶轮式增氧可节约电能40.6%,提高产量31.9%,最终利润提高136.1%。水质参数测量采用Zigbee通信,通信协议采用优化的低能量自适应分层协议,并根据水体溶解氧测量的实际要求,设置参数测量的软、硬阈值以减少节点数据发送的次数,达到节能和供电电池剩余能量均衡的目的,试验表明优化后的无线传感网络寿命延长了58%。 相似文献
9.
提出了一种探究水质指标组合与河流溶解氧预测精度关系的方法.首先运用XGBoost模型计算水质指标特征重要性分值,然后基于贪心规则和水质指标特征重要性分值,排列出8种水质指标组合,最后使用BP神经网络对8种水质指标组合进行溶解氧预测.实验结果表明,pH、水温、电导率、氨氮是影响溶解氧预测的4个关键指标;在排列出的8种水质... 相似文献
10.
养殖池塘中溶氧(DO)与鱼、蟹等水产品的生长有着十分密切的关系。为了提高DO的预测精度和有效性,提出了一种基于经验模态分解(EMD)和自适应扰动粒子群优化最小二乘支持向量机(LSSVM)的组合预测模型。首先将DO时间序列通过EMD分解成若干分量,接着对各个分量进行相空间重构,在相空间中用LSSVM对各分量进行建模预测,并使用自适应扰动粒子群算法对LSSVM的超参数进行优化,采用单点迭代法进行多步预测。结果显示:该模型与单一LSSVM预测模型相比,具有良好的预测效果。预测未来4 h DO值时,各项性能指标误差均方根(RMSE)、平均相对误差均值(MAPE)和平均绝对误差(MAE)三项指标分别降低了13.4%、11.3%和1.8%;预测未来24 h DO值时,三项指标分别降低了12.9%、12.1%和2.7%。研究表明:该组合模型可有效提取DO序列特性,具有较高的预测精度和泛化性能。 相似文献