[发明专利]一种基于数据修复的池塘溶解氧预测方法

说明书

本发明公开了一种基于数据修复的池塘溶解氧预测方法，该预测方法包括确定预测对象、定义气象综合指数、数据修复、GRNN神经网络模型构建、初始化GRNN神经网络和训练神经网络这几个步骤，本发明涉及到与池塘溶解氧预测相关的气象因子和水产养殖环境因子中的11个指标参数，将这11个指标参数作为输入量，基于气象环境数据和水质数据短时间的连续性，利用气象综合指数和线性插值法对传感器采集中丢失和发生异常的数据进行修复，将溶解氧浓度作为输出量，确定GRNN神经网络预测模型，GRNN 网络模型与传统 BP模型的溶解氧预测训练效果相比，GRNN算法相较于 BP 算法有更高的精度，能较好的反映一段时间内池塘溶解氧变化的基本趋势。

技术领域

本发明涉及一种池塘溶解氧预测方法，尤其涉及一种基于数据修复的池塘溶解氧预测方法。

背景技术

集约化的水产养殖在未来的水产养殖中将占有重要地位。溶解氧的预测是水产养殖管理中一项非常重要的工作，如何在获取溶解氧浓度信息，并及时在低浓度溶氧发生之前采取增氧措施是集约化工厂化水产养殖过程中的重要问题。通过现代信息技术手段进行溶解氧预测能够为集约化工厂化养殖提供水质管理和控制的重要参考依据，从而达到降低养殖风险、提高经济效益的目的。

目前，现有技术中有使用遗传算法和BP神经网络从气压、气温、降雨量、光照强度，风速、风向和空气湿度等气象指标建立模型，预测池塘溶解氧浓度；有使用最小二乘支持向量回归机从预定时段内的水质指标和相关气象因子数据出发获取溶解氧浓度预测值；另外，还有使用利用蚁群算法优化最小二乘支持向量机的惩罚因子和核函数宽度参数从而建立溶解氧预测模型，各种预测方法在实际的溶解氧预测中仍然会存在一定的误差。

发明内容

为了解决现有技术中存在的不足，本发明提供了一种基于数据修复的池塘溶解氧预测方法，分析了池塘溶解氧与气象因子和水产养殖环境因子之间的关系，引入气象综合指数作为数据修复的参考依据，使用GRNN神经网络对池塘溶解氧进行预测，并取得了较好的效果。

本发明为实现上述目的，采用如下技术方案：

一种基于数据修复的池塘溶解氧预测方法，其特征在于包括以下几个步骤：

(1)确定预测对象，针对集约化、工厂化水产中的池塘溶解氧进行预测，定义气象因子和水产养殖环境因子两大影响因素，与两大影响因素相关的b个指标参数构成溶解氧预测的基本输入变量，将溶解氧浓度作为预测输出变量，b为正整数；

(2)定义气象综合指数，获得气象综合指数评价结果；

首先，定义m个气象因素作为气象综合指数的评价指标，确定因子分析法进行气象综合指数的评定，m为小于b的正整数；

其次，确定特征因子，并计算各得分因子的系数；采用因子分析法中的主成分分析为因子提取的方法，以特征值大于1的因子为公共因子，按照特征值大于1为准则，从多个气象综合指数的评价指标中提取j个公因子作为气象综合指数的评价；并定义它们分别为F₁，F₂，…,F_j；j为小于m的正整数；

通过式(1)计算j个公共因子的得分：

F_ij＝∑X_imia_mj (1)

式中：i表示评估气象综合指数的样本数，j表示提取的公共因子数，m代表指标体系的评价指标数，F_ij为第i组样本第j个因子得分，a_mj为第m个变量在第j因子上的得分系数，X_im为第j个因子在第m个变量上的数值；

最后，获得气象综合指数评价结果，确定光照特征因子F₁-F_j这几个公因子的方差贡献率作为公因子权重系数，通过加权法，获得池塘气象综合指数的评价结果，计算公式如下式：