[发明专利]水产养殖溶解氧预测方法及装置

说明书

技术领域

本发明实施例涉及水产养殖技术领域，尤其涉及一种水产养殖溶解氧预测方法及装置。

背景技术

中国是水产养殖大国，水产品产量和质量的保证取决于养殖水质是否适合水生生物生存。影响溶解氧浓度的水质因素有很多，包括pH值，水温，浊度，盐度等；外部因素包括太阳辐射，空气温度，气压等。溶解氧是水生生物生存必不可少的条件，溶解氧浓度低于3mg/L时，就会引起鱼类死亡。因此，获取养殖水域的溶解氧数据对于水产养殖具有十分重要的意义。

现有技术中溶解氧的预测方法主要分为两种类型：第一类是传统的预测方法，把经典数学作为理论基础，包括时间序列预测法、回归分析法、马尔科夫模型、水质模拟预测法等；第二类是基于人工智能的预测方法，包括灰色模型、人工神经网络预测法、支持向量机回归预测法等。这些预测方法都是针对检测到的溶解氧数据进行预测，当无法检测溶解氧只能检测其他水质信息时则无法获知水中的溶解氧数据，无法对水中的溶解氧数据进行预测。

目前还没有一种方法可以在无法检测溶解氧数据的情况下对溶解氧数据进行预测，因此，提供一种利用其它水质数据对溶解氧进行预测的方法是目前业界亟待解决的技术问题。

发明内容

为了解决现有技术中存在的问题，本发明实施例提供一种水产养殖溶解氧预测方法及装置。

一方面，本发明实施例提供一种水产养殖溶解氧预测方法，包括：

采集水产养殖水域的水质数据；

将采集到的水质数据进行归一化处理，得到归一化数据；

将所述归一化数据输入预设的长短时记忆LSTM神经网络预测模型，得到模型预测数据；

将所述模型预测数据进行反归一化处理，得到溶解氧预测数据。

另一方面，本发明实施例提供一种水产养殖溶解氧预测装置，包括：

采集单元，用于采集水产养殖水域的水质数据；

归一化单元，用于将采集到的水质数据进行归一化处理，得到归一化数据；

预测单元，用于将所述归一化数据输入预设的LSTM神经网络预测模型，得到模型预测数据；

反归一化单元，用于将所述模型预测数据进行反归一化处理，得到溶解氧预测数据。

本发明实施例提供的水产养殖溶解氧预测方法及装置，通过将采集到的水质数据进行归一化处理后输入预设的LSTM神经网络预测模型，得到模型预测数据，再将模型预测数据进行反归一化处理，可以得到溶解氧预测数据，解决了现有技术中无法利用其它水质数据对溶解氧进行预测的问题，提供了一种新的溶解氧的预测方法，并提高了溶解氧的预测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的水产养殖溶解氧预测方法流程示意图；

图2为本发明实施例提供的又一水产养殖溶解氧预测方法流程示意图；

图3为LSTM神经网络基本结构示意图；

图4为本发明实施例提供的水产养殖溶解氧预测装置结构示意图；

图5为本发明实施例提供的又一水产养殖溶解氧预测装置结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的水产养殖溶解氧预测方法流程示意图，如图1所示，方法包括：

步骤10、采集水产养殖水域的水质数据；

步骤20、将采集到的水质数据进行归一化处理，得到归一化数据；

步骤30、将所述归一化数据输入预设的长短时记忆LSTM神经网络预测模型，得到模型预测数据；

步骤40、将所述模型预测数据进行反归一化处理，得到溶解氧预测数据。

具体的，当需要对水产养殖水域的溶解氧数据进行预测时：

(1)利用实验装置采集一组水产养殖水域的水质信息；