發(fā)布時間：2022-01-28 00:40

　　在集約化水產(chǎn)養(yǎng)殖中,水體質(zhì)量對養(yǎng)殖的產(chǎn)量和質(zhì)量起著決定性的作用。因此,養(yǎng)殖水體的準(zhǔn)確監(jiān)測具有十分重要的意義。水產(chǎn)養(yǎng)殖自動化、智能化的不斷發(fā)展,對養(yǎng)殖過程中的水質(zhì)監(jiān)測提出了更高的要求。本文以傳感網(wǎng)絡(luò)水質(zhì)監(jiān)測平臺為基礎(chǔ),以水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)測數(shù)據(jù)流關(guān)鍵因子為研究對象,采用機(jī)器學(xué)習(xí)、信息論和統(tǒng)計學(xué)方法,研究監(jiān)測過程中的異常檢測、數(shù)據(jù)融合和預(yù)測預(yù)警模型,實(shí)現(xiàn)水質(zhì)數(shù)據(jù)流的在線監(jiān)測。主要貢獻(xiàn)如下:（1）關(guān)于水質(zhì)數(shù)據(jù)流異常檢測方法研究。針對水質(zhì)監(jiān)測中傳感器故障和偶發(fā)的事件等引起的數(shù)據(jù)流異常問題,在觀察和分析水質(zhì)數(shù)據(jù)特征信息的基礎(chǔ)上,提出一種基于概率密度補(bǔ)償?shù)母倪M(jìn)支持向量數(shù)據(jù)描述異常檢測算法（ID-SVDD）。首先將相對密度的思想引入到傳統(tǒng)SVDD算法中,補(bǔ)償SVDD算法在數(shù)據(jù)分布特征信息分析上的缺失。其次,使用改進(jìn)的Parzen-windows函數(shù)獲取概率密度,構(gòu)建ID-SVDD異常檢測算法。最后利用實(shí)際水質(zhì)監(jiān)測數(shù)據(jù)集驗(yàn)證ID-SVDD算法的性能。實(shí)驗(yàn)結(jié)果表明,ID-SVDD異常檢測算法具有較高的檢測精度。（2）關(guān)于溶解氧數(shù)據(jù)流的支持度函數(shù)加權(quán)融合算法研究。針對單一溶解傳感器監(jiān)測不準(zhǔn)確的問題,以溶解氧指... 

【文章來源】：江南大學(xué)江蘇省211工程院校教育部直屬院校

【文章頁數(shù)】：122 頁

【學(xué)位級別】：博士

【部分圖文】：

水產(chǎn)養(yǎng)殖水質(zhì)監(jiān)測平臺系統(tǒng)架構(gòu)圖

SensorScope數(shù)據(jù)集傳感節(jié)點(diǎn)部署圖

第三章基于改進(jìn)SVDD的水質(zhì)數(shù)據(jù)異常檢測算法33Sigmoid核函數(shù)68.1895055.5096從表3-3可以明顯發(fā)現(xiàn)，基于高斯核函數(shù)的ID-SVDD檢測結(jié)果有很顯著的優(yōu)勢，其中TPR,TNR和Accuracy值要優(yōu)于其他三個核函數(shù)的檢測結(jié)果�；谏鲜鰧�(shí)驗(yàn)結(jié)果，本節(jié)采用高斯核函數(shù)作為ID-SVDD水質(zhì)異常檢測的核函數(shù)。下圖3-4闡述了SensorScope數(shù)據(jù)集的分布情況。(a)(b)圖3-4SensorScope12號節(jié)點(diǎn)數(shù)據(jù)分布(a)SensorScope17號節(jié)點(diǎn)數(shù)據(jù)分布(b)Fig3-4ScatterplotofSensorScopenode12(a)ScatterplotofSensorScopenode17(b)從圖3-4可以發(fā)現(xiàn)，支持向量構(gòu)建了劃分正常數(shù)據(jù)與離群數(shù)據(jù)點(diǎn)之間的邊界。圖中藍(lán)色點(diǎn)位于超球體外，代表訓(xùn)練樣本中的離群數(shù)據(jù)；而位于超球體內(nèi)部的紅色點(diǎn)代表了訓(xùn)練樣本中的正常數(shù)據(jù)。3.4.4異常檢測性能對比（1）不同數(shù)據(jù)集檢測結(jié)果對比為了深入地分析ID-SVDD算法的性能，本章將傳統(tǒng)SVDD、D-SVDD以及DW-SVDD作為對比方法�；赟ensorScope數(shù)據(jù)集（節(jié)點(diǎn)12和17）完成這些檢測方法的仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果見表3-4。表3-4不同數(shù)據(jù)集的異常檢測結(jié)果Tab3-4OutlierdetectionresultsofdifferentdatasetID-SVDDD-SVDDDW-SVDDSVDD節(jié)點(diǎn)12TPR(%)99.424598.417370.503698.0496TNR(%)87.510082.5100Accuracy(%)98.775598.503471.156598.1788Time(s)0.4890.53290.42110.5463節(jié)點(diǎn)17TPR(%)10098.833890.355399.3232TNR(%)97.03710063.703798.5185Accuracy(%)99.44998.898185.399499.1736

【參考文獻(xiàn)】：
期刊論文
[1]工礦業(yè)城市區(qū)域水質(zhì)參數(shù)高光譜定量反演[J]. 彭令,梅軍軍,王娜,徐素寧,劉文波,邢顧蓮,陳啟浩.  光譜學(xué)與光譜分析. 2019(09)
[2]基于監(jiān)督學(xué)習(xí)的紫外-可見光光譜水質(zhì)在線異常檢測方法研究[J]. 尹航,俞巧君,侯迪波,黃平捷,張光新,張宏建.  光譜學(xué)與光譜分析. 2019(02)
[3]基于貝葉斯優(yōu)化的三維水動力-水質(zhì)模型參數(shù)估值方法[J]. 任婷玉,梁中耀,劉永,鄒銳.  環(huán)境科學(xué)學(xué)報. 2019(06)
[4]面向大面積漁業(yè)環(huán)境監(jiān)測的長距離低功耗LoRa傳感器網(wǎng)絡(luò)[J]. 張錚,曹守啟,朱建平,陳佳品.  農(nóng)業(yè)工程學(xué)報. 2019(01)
[5]基于低功耗廣域網(wǎng)的海島水產(chǎn)養(yǎng)殖環(huán)境監(jiān)測系統(tǒng)研制[J]. 金光,高子航,江先亮,朱家驊.  農(nóng)業(yè)工程學(xué)報. 2018(24)
[6]基于AES加密算法和輕量級ROV的水質(zhì)監(jiān)測系統(tǒng)[J]. 曹春杰,程大果,王隆娟,高昌正.  通信學(xué)報. 2018(S2)
[7]基于密度敏感最大軟間隔SVDD不均衡數(shù)據(jù)分類算法[J]. 陶新民,李晨曦,沈微,常瑞,王若彤,劉艷超.  電子學(xué)報. 2018(11)
[8]基于GA-SELM算法的工廠化水產(chǎn)養(yǎng)殖水溫預(yù)測方法研究[J]. 施珮,袁永明,匡亮,張紅燕,李光輝.  傳感技術(shù)學(xué)報. 2018(10)
[9]基于EMD-IGA-SELM的池塘養(yǎng)殖水溫預(yù)測方法[J]. 施珮,袁永明,匡亮,李光輝,張紅燕.  農(nóng)業(yè)機(jī)械學(xué)報. 2018(11)
[10]基于改進(jìn)灰色關(guān)聯(lián)分析與蝙蝠優(yōu)化神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測[J]. 吳云,雷建文,鮑麗山,李春哲.  電力系統(tǒng)自動化. 2018(20)

博士論文
[1]農(nóng)業(yè)數(shù)據(jù)處理中的異常檢測方法研究[D]. 尹寶全.中國農(nóng)業(yè)大學(xué) 2016



本文編號：3613368