[发明专利]一种自然水体渔业养殖温度灾害智能预警方法

摘要

本发明涉及一种自然水体养殖温度灾害的智能预警方法。本方法结合自然水体渔业养殖特点，基于海流方向及网箱分布，可以方便灵活布设。实现单总线多点同步采集立体水温测量和预警。对海流来向水温和养殖中心区域水温差值进行监测，在超过设定限值时可以及时预警。同时，采用数学模型基于之前监测得到的序列温度值，对未来一定时段的水温进行预测，并在预测值超出设定的温度阈值时触发预警。通过程序智能判断，触发预警条件后将相应的预警信息发送到网络服务器或用户关联手机。本智能预警方法可在保证预警准确性的前提下，有效增加养殖户提前应对的时间，更加适用于野外自然水体环境养殖监测和灾害预警。

主权项

自然水体渔业养殖温度灾害智能预警方法，所述方法通过预警装置实现，所述预警装置由数字温度传感器(201)和预警部件(210)组成，所述预警部件(210)由低功耗单片机(202)、无线通讯模块(203)、天线(204)和电源模块(205)组成，其中：数字温度传感器(201)安装于水面以下，预警部件安装于水面以上；数字温度传感器(201)的输出端通过信号线缆(301)连接低功耗单片机(202)的输入端，低功耗单片机(202)的输出端通过串口(302)连接无线通讯模块(203)，无线通讯模块(203)设有天线(204)；所述无线通讯模块(203)、低功耗单片机(202)和数字温度传感器(201)分别连接电源模块(205)；所述预警装置中的数字温度传感器(201)安装与水面以下，并固定于锚链的适当位置，单片机(202)、无线通讯模块(203)、天线(204)和电源模块(205)安装于水面以上，并固定于浮子(402)上；其特征在于具体操作方法如下：(1)进行监测参数初始化配置；根据具体养殖品种的特点，设置监测参数，所述监测参数为预警高温阈值TH、预警低温阈值TL、海流来水温度TC与养殖区水温的差值阈值TD、温度预测时间长度、接收预警信息的网络服务器信息或用户手机号，将监测参数存储于低功耗单片机设定的Flash存储空间；(2)智能监测处理为降低功耗，空闲时低功耗单片机及无线通讯模块均处于休眠状态，设定60分钟由内部定时器中断自动唤醒低功耗单片机进行例行处理，到达设定定时间隔时，按照以下流程进行智能监测预警处理；(2.1)、读取养殖中心监测点立体水温T和海流来水方向监测点水温数值Tc，存入监测温度历史记录数据队列，共保留之前5天的历史水温监测数据；(2.2)、判断养殖中心监测点立体水温T和海流来向水温Tc是否超过设定的高温预警阈值TH或低温预警阈值TL，如超出高温或低温阈值，则触发报警操作；(3)、判断监测的养殖中心监测点水温T与海流来水水温TC的差值是否超出设定的差值阈值TD，如超过差值阈值，则触发预警操作；(4)、根据之前监测的历史水温监测数据，采用最小二乘法拟合温度变化曲线，预测未来设定时间长度内水温；（4.1） 根据当天各个时段已经监测到的水温数据Ti，预测当天的最低水温T_low和最高水温T_high；由于水体的比热较大，每天水温变化曲线基本是同比变化，计算当天监测的各个时点的温度Ti与前一天各个时点对应的监测温度Ti_y的差值以及差值的平均值Tdiff，如公式（3）；以此平均值作为当天最低最高温度与前一天最低最高温度T_low_yest、T_high_yest的差值，由此得到当天最低最高温度的预测值T_low，T_high，如公式（4）；(3)T_low = T_low_yest + T_diff                       (4)T_high = T_high_yest + T_diff                     其中：Ti为各个时点的温度，Ti_y为前一天各个时点对应的监测温度，Tdiff为Ti与Ti_y的差指的平均值，T_low_yest为前一天最低水体温度，T_high_yest为前一天最高水体温度，T_low为当天最低水体温度预测值，T_high为当天最高水体温度预测值；（4.2）根据预测的当天最低水温T_low和最高水温T_high以及之前历史记录中每天的最低水温T_hist_low和最高水温T_hist_high，预测之后2天的最低水温T_pred_low和最高水温T_pred_high；采用最小二乘方法拟合一条二次曲线，模拟每天最低温度和最高温度的变化趋势，并利用此二次曲线模型预测之后2天的最低最高温度；T = x1*t*t + x2*t + x3                           (5)（6）（7）T_pred_low = a1*t*t + b1*t + c1                  （8）T_pred_high = a2*t*t + b2*t + c2公式（5）为一个二次曲线方程，其中t为时间，T为温度，x1、x2、x3为方程的待定参数；利用已知时间t和温度T的历史水温记录建立联合方程组，可以求解方程的待定系数；式（5）最少需要三个已知水温数据来求解三个未知参数；为了避免已知数据偶然误差导致方程求解结果偏离温度实际变化规律，采用6个温度数据，通过最小二乘方法求解各个已知点拟合误差平方和最小的原则下的方程解，减小偶然误差得影响，更准确的表达温度实际变化规律，如式（6）、式（7）所示；其中，B为时间的矩阵，表示矩阵的转置运算，表示矩阵的求逆运算，为待定系数矩阵，为温度观测值，V为根据方程计算得到的温度值与实际观测的温度的差值，即拟合误差，P为权值矩阵，对每个观测值的拟合误差采用加权平方和最小原则，即最小时待定参数的值为方程的最优解，权值采用与距离当天时间越近权值越大，距离越远权值越小的原则，尽量准确拟合更接近当前时间的观测值，根据式(7)求解公式（8）中两个方程的待定系数a1、b1、c1和a2、b2、c2，得到最高温度和最低温度的拟合公式，根据公式（8）计算之后1天及2天的最低温度和最高温度T_pred_low1，T_pred_high1,  T_pred_low2，T_pred_high2，则权值矩阵P =，Diag(.)表示对角矩阵，观测值矩阵分别设为之前5天至当天的最低温度矩阵和最高温度矩阵，按照公式（7）加权最小二乘法可求得公式（8）最低温度以及最高温度拟合曲线方程的系数；根据公式（8），预测之后1天和之后2天的最低温度和最高温度；(5)、判断设定时间段内预测的水温值是否超出高温或低温阈值，如超出阈值则触发预警操作；对步骤（4）中预测得到的当天以及之后1天和2天的最低最高温度进行判断；如果超出设定阈值，则触发报警操作；(6)、温度预警操作当智能监测流程触发预警操作时，低功耗单片机通过无线通信模块将相应的报警信息发送到指定的网络服务器端口或发送预警短信息到用户指定手机；(7)、触发预警操作后，返回步骤(2)继续运行智能监测处理流程。