[发明专利]一种渔场饲料投喂方法及系统

权利要求书

1.一种渔场饲料投喂方法，其特征在于，所述渔场饲料投喂方法包括：

获取渔场的环境数据、鱼类数据以及投喂数据；

基于所述渔场的环境数据、所述鱼类数据以及所述投喂数据训练得到目标神经网络模型；

通过所述目标神经网络模型得到预设时间内所需的投喂数据；以及

根据所需的投喂数据向所述渔场投喂饲料。

2.根据权利要求1所述的渔场饲料投喂方法，其特征在于，所述环境数据包括第一数据及第二数据，所述第一数据包括所述渔场预设范围内的光线辐射强度、气温、湿度以及风速中至少一项，所述第二数据包括所述渔场的水域内的水温、盐度、流速、PH值以及溶氧量中至少一项。

3.根据权利要求1所述的渔场饲料投喂方法，其特征在于，所述鱼类数据包括数量、种类、大小以及健康状况中至少一项。

4.根据权利要求1所述的渔场饲料投喂方法，其特征在于，所述投喂数据包括投喂饲料量、时间及位置中至少一项。

5.根据权利要求1所述的渔场饲料投喂方法，其特征在于，所述基于所述渔场的环境数据、所述鱼类数据以及所述投喂数据训练得到目标神经网络模型包括：

a.选择数据样本，所述数据样本包括所述环境数据、所述鱼类数据以及所述投喂数据；

b.确定所述神经网络拓扑结构，所述神经网络包括输入层、隐含层及输出层；

c.建立数据模型，所述环境数据及所述鱼类数据为输入数据，所述投喂数据为输出数据，根据公式：确定隐含层节点数目，其中，n为隐含层节点数目，l为输入层节点数，m为输出层节点数，a为常数，取值范围为[1-10]；以及

d.网络分析：

①初始化，确定所述神经网络的初始权值w_ij、w_jk和阈值θ_j、γ_k，随机给各个权值阈值赋予[-1,1]内的随机值，对输入输出向量进行归一化处理，其公式如下：

式中，x_i、分别为归一化前后的值，x_max为样本序列中最大的数，x_min为样本序列中最小的数；

②利用训练样本输入向量、权值w_ij和阈值θ_j计算隐含层各单位输出，

式中，b_j为隐含层j单位输出，f()为隐含层传递函数，l为输入层节点数，xi为输入层样本；

③利用隐含层单位输出b_j、权值w_jk和阈值γ_k，通过传递函数计算输出层各单位响应，

式中，y_k为隐含层k单位输出，f()为隐含层传递函数，n为输入层节点数；

④利用网络目标向量，网络实际输出，计算各输出层各单位一般化误差，

d_k＝(Y_k-y_k)y_k(1-y_k)

式中，Y_k为网络目标向量元素；

⑤计算隐含层各单元一般化误差，

⑥利用计算出的输出层各单元一般化误差、隐含层各单元输出、隐含层一般化误差以及输入层各单元输入，分别对网络各层权值阈值进行更新修正，

w_jk(N+1)＝w_jk(N)+α·d_k·b_j

γ_k(N+1)＝γ_k(N)+α·d_k

w_ij(N+1)＝w_ij(N)+β·e_j·x_i

θ_j(N+1)＝θ_j(N)+β·e_j

式中，α、β为学习速率，取值范围为[0，1]，N为神经网络的迭代次数；

⑦随机选取下一组训练样本重复步骤②至⑥，直至达到网络所需精度或者达到最大迭代次数，网络训练过程结束；

⑧将测试样本数据中的测试输入向量输入训练好的神经网络进行输出测试，将测试的结果与实际输出进行对比，检测网络分析的精度。