[发明专利]一种针对养殖池水质参数空间分布模型构建方法

权利要求书

1.一种针对养殖池水质参数空间分布模型构建方法，其特征在于，包括以下步骤：

S1、养殖池水质参数信息获取，利用无线传感器获取养殖池指定坐标的水质参数，水质参数包括温度、pH值和DO；

S2、通过卡尔曼滤波算法对水质参数优化，并引入修正因子对优化后的水质参数进行预处理；

S3、建立水质参数空间分布四维模型；

利用MATLAB进行线性内插值计算，构建水质参数空间分布四维模型。

2.根据权利要求1所述的针对养殖池水质参数空间分布模型构建方法，其特征在于，所述卡尔曼滤波算法对水质参数优化过程如下：

S21、时间更新方程：

先验推算状态变量，公式如下：

式中，A为状态转换参数，其相关系数为1；w为过程噪声，其服从均值为0、方差为Q的正态分布；为第k迭代步的水质参数预估值；为第k-1迭代步的水质参数优化值；

先验推算误差协方差，公式如下：

式中，为第k迭代步的预估协方差；P_k-1为第k-1迭代步的优化协方差；

S22、状态更新方程：

计算卡尔曼增益，公式如下：

式中，K_k为第k迭代步的卡尔曼增益；H是行列式值为1的测量转换参数矩阵；R为测量噪声的方差；

后验估计滤波优化，公式如下：

式中，为第k迭代步的水质参数优化值；z_k为实测水质参数；

更新误差协方差

式中，I为对角线为1的矩阵；

由式(1)～(5)组成的卡尔曼滤波算法，预测过程为式(1)～(2)，假定初始预估的水质参数温度、pH值、DO，实现先验水质参数的初步预测；然后根据实测值实现更新过程，更新过程为式(3)～(5)，得出后验估计优化值和更新后的测量误差协方差；最后再将后验估计优化值和更新后的测量误差协方差代入式(1)～(5)中预测更新下一时刻的值；

S23、引入修正因子，对优化后的水质参数预处理。

3.根据权利要求2所述的针对养殖池水质参数空间分布模型构建方法，其特征在于，步骤S23中所述引入修正因子，对优化后的水质参数预处理过程如下：

对步骤S22优化后的水质参数筛选出各个时刻的异常数据；对筛选出的异常数据做均值计算，并将与筛选后正常数据的均值相除得到修正因子，最后将用修正因子修正预测后的值得到最终结果，筛选出的数据的均值，均值计算公式如(6)：

式中s为筛选出的数据个数；a_i为筛选出的数据；e_k为筛选出异常的数据在第k时刻的均值；

筛选后的留下数据的均值：

式中n表示数据总个数；b_i表示筛选后留下的数据；r_k表示第k时刻正常的数据均值，修正因子：

式中g_k表示第k时刻的修正因子；

最后将修正因子与优化后各个时刻的数据分别相乘，得到最终的优化结果。

4.根据权利要求1所述的针对养殖池水质参数空间分布模型构建方法，其特征在于：所述构建水质参数空间分布四维模型包括：

S31、MATLAB软件中构建X轴长、Y轴宽、Z轴深的养殖池模型；

S32、将步骤S2中优化后水质参数插入X轴方向坐标，Y轴方向坐标，Z轴方向坐标的多个位置点，建立模型网格划分；

S33、利用MATLAB散点插值函数进行数据拟合，调用griddata函数对已知四维参数根据指定步距沿着X、Y、Z向量散点线性内插值；

S34、调用slice函数对三维数据绘制切片，绘制多个与特定轴正交的切片平面，将所有切片水质参数指定为定义曲面的矩阵，得到四维空间模型。