水體溶解氧（Dissolved oxygen,DO）是養(yǎng)殖水產(chǎn)品健康生長的重要生態(tài)因子。池塘溶解氧易受多種因素的影響,會產(chǎn)生時間和空間上分布的差異,現(xiàn)有的溶解氧預(yù)測方法大多是針對單監(jiān)測點(diǎn)的時間序列預(yù)測,無法描述池塘溶解氧的空間分布,因此,對池塘溶解氧進(jìn)行時間和空間預(yù)測非常重要。本文提出一種基于自回歸循環(huán)神經(jīng)網(wǎng)絡(luò)（Autoregressive recurrent neural network,Deep AR）和正則化極限學(xué)習(xí)機(jī)（Regularized extreme learning machine,RELM）的池塘溶解氧時空預(yù)測方法。首先采用樣本熵（Sample entropy,SE）衡量各個監(jiān)測點(diǎn)溶解氧序列的波動程度,采用最大互信息系數(shù)（Maximum mutual information coefficient,MIC）衡量監(jiān)測點(diǎn)溶解氧序列之間的相關(guān)性,綜合選取出溶解氧序列波動程度較小且與各個監(jiān)測點(diǎn)相關(guān)性較大的監(jiān)測點(diǎn)作為中心監(jiān)測點(diǎn),并以中心監(jiān)測點(diǎn)為原點(diǎn),建立池塘空間坐標(biāo)系;其次采用DeepAR算法構(gòu)建中心監(jiān)測點(diǎn)的溶解氧時間序列預(yù)測模型,實(shí)現(xiàn)中心監(jiān)測點(diǎn)溶解氧時間序列預(yù)測;最后采用RE... 

【文章來源】：農(nóng)業(yè)機(jī)械學(xué)報. 2020,51(S1)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

不同水層溶解氧含量預(yù)測結(jié)果

以江蘇省宜興市高滕鎮(zhèn)物聯(lián)網(wǎng)水產(chǎn)養(yǎng)殖基地的蟹塘為實(shí)驗(yàn)場地，池塘中部署了溶解氧等多種水質(zhì)傳感器，池塘邊安置一個小型氣象站，采集數(shù)據(jù)類型如表1所示。本文采集2019年7月9—22日8個溶解氧監(jiān)測傳感器共15 536條監(jiān)測數(shù)據(jù)。蟹塘中8個溶解氧監(jiān)測點(diǎn)的位置分布俯視圖和剖面圖如圖1所示，在水平方向呈現(xiàn)三角分布，在垂直方向分為上、中、下3層，可以在得到池塘溶解氧更大監(jiān)測范圍的同時，掌握不同位置不同水層溶解氧的變化。在點(diǎn)E、F處于垂直方向分別放置3個傳感器，分別距水面0.2、0.4、0.6 m，點(diǎn)D處水位較淺，放置2個傳感器，分別距水面0.2、0.4 m，其中點(diǎn)E2處傳感器采集的水質(zhì)參數(shù)包括溶解氧含量、水溫、p H值、葉綠素含量、濁度，其余點(diǎn)只采集溶解氧參數(shù)。系統(tǒng)采集數(shù)據(jù)時，受到渾濁水質(zhì)以及網(wǎng)絡(luò)抖動等影響，會造成采集樣本中存在異常值和缺失值，處理方法如下:

具體步驟如下:(1)中心監(jiān)測點(diǎn)選取。根據(jù)各個監(jiān)測點(diǎn)原始溶解氧序列的樣本熵以及序列之間的最大互信息系數(shù)綜合選取中心監(jiān)測點(diǎn)，并以中心監(jiān)測點(diǎn)為原點(diǎn)建立池塘空間坐標(biāo)系。(2)時間序列預(yù)測。采用Deep AR算法構(gòu)建中心監(jiān)測點(diǎn)的溶解氧時間序列預(yù)測模型，實(shí)現(xiàn)中心監(jiān)測點(diǎn)溶解氧時間序列預(yù)測。(3)空間預(yù)測。采用RELM算法構(gòu)建中心監(jiān)測點(diǎn)與池塘各點(diǎn)溶解氧之間的空間映射關(guān)系模型，實(shí)現(xiàn)池塘溶解氧的空間預(yù)測。1.3 中心監(jiān)測點(diǎn)選取方法


本文編號：3306863