[发明专利]一种淡水鱼养殖智能管理系统以及管理方法

说明书

本发明公开了一种淡水鱼养殖智能管理系统以及管理方法，管理方法包括在目标水域采集水质参数；获取气象参数、时间参数、饲料参数、用药参数以及地理参数；建立基于多层注意力机制的预测模型，预测模型得出所述目标水域的监测参数；建立神经网络模型，神经网络模型输出所述目标水域的水质预警级别。本技术方案利用基于多层注意力机制的预测模型预测目标水域的酸碱度值、水温度值、含氧量值以及氨氮浓度值，充分考虑到了各个监测参数的时空相关性以及气象参数、时间参数等因素，提高目标水域的监测参数的预测准确性；同时本技术方案利用神经网络模型结合预测的监测参数准确判断目标水域的水质预警级别，便于相关人员做出相应的处理。

技术领域

本发明涉及智能养殖技术领域，更具体地说涉及一种淡水鱼养殖智能管理系统以及管理方法。

背景技术

水质管理是淡水鱼养殖的重要组成部分，随着淡水鱼养殖规模的不断扩大，水质监控和水质预警越来越重要。国内外很多高校和学者都对养殖水质监控和预测模型进行了研究。水质预测模型的研究主要集中在模型算法的选择上面，主要由机理模型和非机理模型，时序模型和机器学习模型。由于水环境是一个多变量、多因素和多条件影响的复杂系统，如果采用机理模型进行建模，所涉及的参数将会很多，涉及的学科也很多，机理探索非常复杂，所以，基于机理模型的水质参数预测模和型研究成果较少，应用也很少。更加普遍的研究主要集中在非机理模型上，采用这种算法思想的方法主要包括统计学和经验学习等方法，如：神经网络建模、时序回归算法和支持向量机方法，有些学者将机器学习的方法应用到水质参数的预测模型建立中来。

目前，水质预测方法主要可以分为两种：一是以经典数学理论为基础的传统预测法；二是以现代计算智能为基础的智能预测法。国内外许多学者都对水质参数的预测方法进行了深入研究，但是淡水鱼养殖水质参数的变化情况比较复杂，传统的预测方法和部分基于计算智能的预测模型已经不能满足淡水鱼养殖水质精细化管理的需要。此外传统的水质参数预测方法一般只针对单一变量，而单一变量的好坏难以决定水质的优良。

发明内容

为解决上述一个或多个技术问题，本发明的目的在于：提供一种淡水鱼养殖智能管理系统以及管理方法。

本发明为解决问题所采用的技术方案是：

一种淡水鱼养殖智能管理方法，包括以下步骤：

步骤100，在目标水域布置多个水质传感器采集目标水域的水质参数，所述水质参数包括酸碱度值、溶解氧浓度值、溶解盐浓度值、营养物质含量值以及无机盐浓度值；

步骤200，获取气象参数、时间参数、饲料参数、用药参数以及水质传感器的地理参数；

步骤300，建立基于多层注意力机制的预测模型，将所述水质参数、气象参数、时间参数、饲料参数、用药参数以及地理参数输入至所述预测模型，所述预测模型得出所述目标水域的监测参数，所述监测参数包括酸碱度值、水温度值、含氧量值以及氨氮浓度值；

步骤400，建立神经网络模型，将所述监测参数输入至所述神经网络模型，所述神经网络模型输出所述目标水域的水质预警级别。

作为上述技术方案的进一步改进，所述步骤400之后还包括：

步骤500，根据所述目标水域的水质预警级别，采用决策树模型推荐应对措施。

作为上述技术方案的进一步改进，所述步骤300包括以下步骤：

步骤310，建立基于多层注意力机制的预测模型，所述预测模型是编码器-解码器架构，所述预测模型包括两个LSTM网络(长短期记忆网络)，两个所述LSTM网络分别作为编码器以及解码器；

步骤320，将所述水质参数输入至作为编码器的LSTM网络，作为编码器的LSTM网络编码所述水质参数的时间序列值；