【摘要】：海洋資源種類繁多,是各國研究的重點方向,漁業(yè)資源是開發(fā)利用最早的一種海洋資源,但由于面臨海洋捕撈能力過剩和近海漁業(yè)資源衰退的現(xiàn)實,開發(fā)海水養(yǎng)殖技術(shù)成為研究的熱點。其中集約化循環(huán)水海水養(yǎng)殖技術(shù)具有環(huán)境友好,生產(chǎn)可控,操作簡單,管理方便等優(yōu)勢,是我國水產(chǎn)養(yǎng)殖業(yè)的主要發(fā)展方向之一。良好的養(yǎng)殖水環(huán)境是水產(chǎn)養(yǎng)殖的基礎(chǔ),因此,對養(yǎng)殖水環(huán)境進行實時在線監(jiān)測能夠有效提高養(yǎng)殖的效益,更好的控制養(yǎng)殖的過程,降低養(yǎng)殖污染的排放。但由于測量技術(shù)手段和測量成本等原因的限制,致使如水中氨氮含量等水質(zhì)參數(shù)在線實時監(jiān)測難以實現(xiàn)。針對上述問題,通過本課題組自主研發(fā)建立的基于可編程邏輯控制器(Programmable Logic Controller,PLC)與視窗控制中心(Windows Control Center,WinCC)的實驗室集約化循環(huán)水海水養(yǎng)殖系統(tǒng),以大菱鲆為例,基于軟測量技術(shù),提出一種基于遺傳算法(Genetic Algorithm,GA)優(yōu)化最小二乘法支持向量機(Least Squares Support Vector Machine,LSSVM)的方法,選用養(yǎng)殖水環(huán)境中pH值,電導率,溫度,溶解氧含量為輔助變量,結(jié)合實驗測量的水體氨氮值,進行養(yǎng)殖水體中的氨氮含量的軟測量的建模。從而實現(xiàn)對集約化養(yǎng)殖過程中,養(yǎng)殖水環(huán)境內(nèi)氨氮含量的在線實時監(jiān)測。通過Matlab進行仿真,取得較好的仿真結(jié)果,對比BP神經(jīng)網(wǎng)絡(luò)模型,本文所選用的方法效果更佳。本文主要通過GA-LSSVM算法,以大菱鲆集約化養(yǎng)殖水環(huán)境為研究背景,主要研究內(nèi)容如下:1.介紹海水養(yǎng)殖的發(fā)展現(xiàn)狀,目前養(yǎng)殖過程中針對養(yǎng)殖水環(huán)境參數(shù)所使用的測量方法,以及軟測量技術(shù),在海水養(yǎng)殖過程中的應用方向,并重點,針對兩種常用的建模方法——BP神經(jīng)網(wǎng)絡(luò)和最小二乘法支持向量機算法做了介紹,并分析各自的優(yōu)缺點。2.由于海水養(yǎng)殖過程中,水質(zhì)參數(shù)之間存在非線性相關(guān),雖然BP神經(jīng)網(wǎng)絡(luò)能無限逼近非線性函數(shù)關(guān)系,但在實際運算過程中,往往會陷入局部最優(yōu)解的困局,最小二乘法支持向量機算法針對小樣本,高緯度,非線性的實際問題擬合有更好效果,同時引入遺傳優(yōu)化算法,對模型進行優(yōu)化,從而得到最優(yōu)的訓練效果。3.通過分析海水養(yǎng)殖過程中易測得的水質(zhì)參數(shù)以及分析水體中氨氮的生成和硝化的過程,基于實驗室內(nèi)課題組自主建立的大菱鲆集約化海水養(yǎng)殖系統(tǒng)的實測數(shù)據(jù),選用水體pH,水體溫度,水體電導率,水中溶解氧含量為輸入變量,針對難以實現(xiàn)在線監(jiān)測的變量水體中氨氮含量,使用不同的建模方法建立相應的軟測量模型,對比不同建模方法之間的差異,選出最最理想的模型。
【圖文】：

大菱鲆（Scophthalmusmaximus）屬于脊索動物門（Chordata）、脊椎動物亞門（Vertebrata）、輻鰭魚綱（Actinopterygii）、鰈形目（Pleuronectiformes）、鰈亞目（Pleuronectoidei）、鲆科（Bothidae）、菱鲆屬（Scophthalmus），英文名turbot，又稱多寶魚（圖2-1），原產(chǎn)于大西洋東北沿海地區(qū)，從冰島北部海域至摩洛哥南部海域（約為北緯60°到北緯30°）沿海地區(qū)都有所分布。此外，在黑海、波羅的海和地中海等海域沿海地區(qū)也有發(fā)現(xiàn)野生大菱鲆的蹤跡。大菱鲆屬于底棲性魚類，通常成熟個體棲息水深為70-100米的弱光照環(huán)境，喜歡活動于砂質(zhì)、砂礫或混合底質(zhì)海區(qū)。具有良好的低溫耐受性，能短暫適應0-30℃的極端溫度，最適生長溫度為15-18℃。是較為名貴的一種經(jīng)濟魚種[23-25]。大菱鲆具有生長快

第三章 養(yǎng)殖環(huán)境搭建及數(shù)據(jù)采集3.1 集約化循環(huán)水大菱鲆養(yǎng)殖水環(huán)境的構(gòu)成為進一步研究在集約化循環(huán)水海水養(yǎng)殖模式下，水質(zhì)參數(shù)的變化情況，在實驗室內(nèi)搭建的實驗室內(nèi)海水養(yǎng)殖循環(huán)水系統(tǒng)，選取大菱鲆為養(yǎng)殖對象，以實現(xiàn)對集約化循環(huán)海水大菱鲆養(yǎng)殖的水質(zhì)參數(shù)有更為準確的了解，從而完成對大菱鲆集約化循環(huán)海水養(yǎng)殖的水環(huán)境中氨氮含量的軟測量建模。本次實驗所使用的實驗室內(nèi)集約化循環(huán)海水養(yǎng)殖系統(tǒng)，主要由循環(huán)水養(yǎng)殖區(qū)，傳感器模塊，可編程邏輯控制（Programmable Logic Controller，PLC）系統(tǒng)，上位機控制系統(tǒng)，四個模塊組成（如圖 3-1）。
【學位授予單位】：大連海洋大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：S959

【參考文獻】

相關(guān)期刊論文 前10條

1 林春鳳;;氨氣敏電極快速測定煉油廢水中氨氮含量的研究[J];廣東化工;2015年22期

2 陳嵐;;四種國標測定氨氮方法述評[J];福建分析測試;2014年04期

3 唐啟升;丁曉明;劉世祿;王清印;聶品;何建國;麥康森;徐皓;林洪;金顯仕;張國范;楊寧生;;我國水產(chǎn)養(yǎng)殖業(yè)綠色、可持續(xù)發(fā)展戰(zhàn)略與任務(wù)[J];中國漁業(yè)經(jīng)濟;2014年01期

4 魏海峰;劉長發(fā);張俊新;;靛酚藍法測定水中氨氮方法的改進[J];實驗室研究與探索;2013年07期

5 任妍冰;李婷婷;劉園園;姚遠;;次溴酸鹽氧化法測定海水中氨氮試驗條件的優(yōu)化[J];環(huán)境監(jiān)測管理與技術(shù);2013年03期

6 張衛(wèi)強;朱英;;養(yǎng)殖水體中氨氮的危害及其檢測方法研究進展[J];環(huán)境衛(wèi)生學雜志;2012年06期

7 王文萍;郭周芳;尚偉偉;顧晨;;水中氨氮的測定方法[J];水科學與工程技術(shù);2012年03期

8 楊銘;;靛酚藍分光光度法測定室內(nèi)空氣中氨的含量[J];廣東化工;2012年03期

9 周珂;賀靜;劉燕燕;周慧芬;;改進測定水中氨氮分子吸收光譜法的試驗研究[J];環(huán)境科學與技術(shù);2012年03期

10 朱敬萍;郭遠明;陳瑜;;流動注射法測定海水中的氨氮[J];浙江海洋學院學報(自然科學版);2012年02期

相關(guān)博士學位論文 前5條

1 李麗娟;最小二乘支持向量機建模及預測控制算法研究[D];浙江大學;2008年

2 吳春國;廣義染色體遺傳算法與迭代式最小二乘支持向量機回歸算法研究[D];吉林大學;2006年

3 李海生;支持向量機回歸算法與應用研究[D];華南理工大學;2005年

4 孫德山;支持向量機分類與回歸方法研究[D];中南大學;2004年

5 范昕煒;支持向量機算法的研究及其應用[D];浙江大學;2003年

相關(guān)碩士學位論文 前1條

1 曹向南;基于PLC與WinCC的集約化水產(chǎn)養(yǎng)殖監(jiān)控系統(tǒng)設(shè)計[D];大連海洋大學;2015年

，

本文編號：2676290