CN103217508A - 一种活鱼养殖水质等级的评价方法 - Google Patents
一种活鱼养殖水质等级的评价方法 Download PDFInfo
- Publication number
- CN103217508A CN103217508A CN2013100882055A CN201310088205A CN103217508A CN 103217508 A CN103217508 A CN 103217508A CN 2013100882055 A CN2013100882055 A CN 2013100882055A CN 201310088205 A CN201310088205 A CN 201310088205A CN 103217508 A CN103217508 A CN 103217508A
- Authority
- CN
- China
- Prior art keywords
- water quality
- value
- grade
- membership values
- lvalue
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 155
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000009372 pisciculture Methods 0.000 title abstract 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 25
- 239000001301 oxygen Substances 0.000 claims abstract description 25
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 25
- 241000251468 Actinopterygii Species 0.000 claims abstract description 22
- UCKMPCXJQFINFW-UHFFFAOYSA-N Sulphide Chemical compound [S-2] UCKMPCXJQFINFW-UHFFFAOYSA-N 0.000 claims abstract description 7
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims abstract description 7
- 238000003911 water pollution Methods 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 11
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- WKXNTUKZVVFSIN-UHFFFAOYSA-N S(=O)([O-])[O-].[NH4+].S(=O)(O)O.[NH4+].S(=O)(O)O Chemical compound S(=O)([O-])[O-].[NH4+].S(=O)(O)O.[NH4+].S(=O)(O)O WKXNTUKZVVFSIN-UHFFFAOYSA-N 0.000 abstract description 2
- 238000013441 quality evaluation Methods 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 6
- 238000011835 investigation Methods 0.000 description 5
- 238000001303 quality assessment method Methods 0.000 description 5
- 238000009360 aquaculture Methods 0.000 description 4
- 244000144974 aquaculture Species 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000007792 addition Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000012206 bottled water Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明涉及一种活鱼养殖水质等级的评价方法,其基本思想是:针对不同的池塘养殖特点,把池塘养殖划分为三中类型,分别是温水鱼养殖,冻水鱼养殖,混水鱼养殖。通过专家意见得到三种类型鱼在养殖过程之中6项水质因子(水温,PH值,溶解氧,氨氮,亚硫酸盐氮,硫化物)的最佳范围和合适范围。采用复合高斯梯形隶属函数构建活鱼水质评价模型,通过模型的分析得到水质各项因子的值,同时通过隶属值与等级转化关系表,得到各项水质因子的具体等级,接着通过等级评价数目和等级转换关系表,最后通过对等级数目表进行分析,得到最终的池塘水质综合等级评价值。本发明克服了水质等级划分种类繁多,分类困难的问题,从整体的角度看待6个水质因子,通过等级数目与等级之间的转化关系巧妙地减低了水质等级划分的困难性,实现了等级划分与等级评价的智能性,提高了池塘养殖的效益。
Description
技术领域
本发明涉及水产养殖领域,具体涉及一种智能的活鱼养殖水质等级的评价方法。
背景技术
我国是一个水产大国,水产养殖技术水平基本代表了发展中国家的水平和发展方向,主要特点是,规模大,但仍以池塘自然生态条件下的养殖方式居多。在池塘自然生态条件下进行鱼类养殖,池塘水质的质量成了制约鱼类生存,养殖产量的重要因素。近几年来,我国正在不断地加强对池塘养殖水质质量的监控,以保证鱼类能够在一个适合的水质条件下生存,从而能够提高我国水产品养殖质量。为了能够对池塘水质进行很好的监控,需要对池塘水质做出明确的评价标准,然而在现实生活和生产之中,我国只对地下饮用水和工业污水有着明确的划分等级,同时在池塘养殖过程之中,水质的好坏和很多因素相关,其中包括了不同鱼类自身的体质因子,季节,地理位置,周围环境等等因素的影响,要对池塘养殖水质做出明确的等级划分是非常困难,而且是很不现实的,从而也给池塘水质质量监控带了一定的困难。
随着近几年我国对水产品养殖重视度加大之后,国内很多学者针对这个问题做出了很多研究。文献1(水质评价中的指标权重与隶属度转换算法,Journal of Lanzhou University of Technology,Vol.35No.1,Feb.2009)分析现有评价方法中最优权、超标权及专家权用于水质评价的缺陷,从目标分类角度出发,提取指标对样本分类所作贡献的量化值,定义指标区分权,给出指标隶属度到样本隶属度的转换算法,但是此类算法主要针对从目标分类的角度出发进行的等级评判,然而要在评判之前得到水质的目标分类,也就是水质的具体划分等级是很不现实,这种方法往往只适合那些已经有了明确的等级目标分类的水质才能进行评判。文献2(基于LM-BP算法的综合水质评价研究,水资源研究,Vol.25No.1,March2004)提出了一种基于神经网络的评价方法,以分类好的等级数据作为训练样本,通过训练好的网络去评价水质的具体等级,这类方法和文献1都有一样的弊端,就是做出评价之前都要得到具体的评价等级划分,所以文献2也不适用。文献3(池塘水质智能决策支持系统研究,王瑞梅,学位论文,Jun2003)提出了一种专家意见评价方法,通过不断地咨询专家们的意见得到不同水质因子的不同分类等级,从而构成了一个详细的分类等级表,再通过这个分类等级表对池塘水质进行等级评判。
文献3中提出的方法确实能够解决池塘水质等级分类表难生成的困难,但是也给专家们 带来很重的负担,同时也给水质分类等级加上了很多主观因素,水质等级评价的过程也变得越来越臃肿,这时候需要一种更加智能的解决方案。
发明内容
本发明的目的是提供一种智能的活鱼养殖水质评价方法。通过该方法,不但解决了等级分类困难,等级分类数量多的情况,而且能够智能地得到同意等级下不同水质因子的优劣性,从而能够很好地对池塘水质进行综合地评价。
本发明的目的是这样实现的:
1、针对不同的池塘养殖特点,把池塘养殖划分为三中类型,分别是温水鱼养殖,冻水鱼养殖,混水鱼养殖。
2、在进行评价之前,如图1、2、3所示,通过专家意见得到三种类型鱼在养殖过程之中6项水质因子(水温,PH值,溶解氧,氨氮,亚硫酸盐氮,硫化物)的最佳范围和合适范围。
3、由于6项水因子的评价都采用区间表示,用区间数表征事物特征更符合科学的严谨性,模糊理论在研究和解决模糊性问题方面有其独特的优势。同时由于不同的区间之间存在一个偏移中心和区间之间不是呈现基本的线性关系,所以其不能直接使用传统的梯形隶属函数构建评价模型,同时调查,水因子越接近某个区间的,其对整个水质因子的综合影响越为重要,那么其得到的其值越趋近,所以根据这一特点,本文提出复合高斯梯形隶属函数构建活鱼水质评价模型。根据复合高斯梯形隶属函数计算得到每条水质信息之中6个水质因子的隶属值,也可称评分值。
4、由于隶属值是在区间0到1之间,把区间分成五个等级,分别是优,良,中,中下和差,根据隶属值越靠近中心值,其对评价因子的贡献值就越大,这也和水质因子中评价性质一样,水质因子值越接近最佳区间,其代表着水质越好,越接近于合适区间的边缘,其水质越不好,所以按照上述原因,把五个等级区间分别对应到不同的隶属度上。如图4所示,当水质因子的值属于最佳区间范围时,得到的隶属值为1,为了能够很好地用区间表示等级,把最佳区间范围的最大和最小边界值设置为1,所以优的区间为[1,1],同样当当水质因子的 值属于合适区间范围外时,得到的隶属值为0,为了能够很好地用区间表示等级,把最佳区间范围的最大和最小边界值设置为0,所以差的区间为[0,0],其他区间分别表示是良[0.8,1.0],中[0.5,0.8],中下[0,0.5]。这样就把隶属度和区间等级联系起来了。
6项水质因子通过复合高斯梯形隶属函数计算后,分别得到了6项评分值,6项评分值相加可以得到池塘水质的一个综合分数,以用来做同一等级下的优劣划分。同时由于溶解氧有单边极限性,即溶解氧小于合适范围左值时才会造成水质污染,溶解氧越大对水质影响越小,所以当溶解氧的取值大于最适右值时,溶解氧不会造成水质污染,这时候把溶解氧值大于最适右值的隶属等级统统划分为良。同理氨氮,亚硝酸盐氮和硫化物也即有单边极限性,但是其值确是大于合适范围右值时才会造成水质污染,其值越小对水质影响越小,所以当这三项取值小于最适左值时,溶解氧不会造成水质污染,这时候也把这三项小于最适左值的隶属等级统统划分为良。
5、由于把每个因子都化为5个等级,这时综合评价指标就有了5的六次方中等级划分可能,给综合等级评价造成了困难,同时又不能简单地从综合评价指标的总体隶属度值上得到总体的评价等级,这时候我们需要采取一些方法对等级进行进一步划分。如果我们把六个水质因子分别拆开看的话,确实很难确定其评价等级,因为其组合数据很多,但是从调研的过程之中,发现选取的6项水质因子是在池塘养殖过程中必不可少的水质因子,也成六合一多项水质因子,这时候我们发现其实这六项因子都是对水质评判之中必不可少的,其之间的关系也是很微妙的,而且重要程度也差不多一致,这时候我们如果从总体上看的六项因子也就可以模糊的可以看成一项整体的因子,简称μ,但是其这时其表现形式为六项因子出现在五个等级μ=(μ1,μ2.…μm)μ1,μ2,…μm0≤μ1μ2,…μm≤5次数了,并且为优,良,中,中下,差在出现在综合评价指标k中的个数。
根据调查和一般性等级分类形式,我们可以根据等级数目得到最终的等级值。如图5所示,转换原则如下:当各项水质因子之中,优的个数达到6个的时候,由于其在此时各项因子都达到了最佳状态,所以可以把这种情况划分为优;当各项水质因子之中有1项出现了差,也就是差项的个数大于或等于1的时候,这时候表明其中有一项或几项已经对整体的水质造成了严重的污染和影响,所以把这种情况归为差;当各项水质因子之中良和优的数目达到了大于或等于5个的时候,并且属于中项的个数小于或等于1,同时中下和差项个数为零,表明水质整体处于良性状态,所以把此种情况归为良。当各项水质因子之中,中项或在其上等价数目加起来大于或等于5个,同时中下的数目小于等于1,差项数目为零时,表明水质状 况一般,剩余的一种情况则为中下,也就是中下或在其上等级的数目加起来等于6个时,表明水质已经快接近污染状态,此时期水质状态对应为中下。
6、根据综合水质评价值划分同一等级下的水质因子优劣。
附图说明
图1为温水鱼最佳和合适范围示意图
图2为冻水鱼最佳和合适范围示意图
图3为混水鱼最佳和合适范围示意图
图4为隶属值和等级转化关系图
图5为等级评价数目和等级转化关系图
图6为自动化活鱼水质监测系统图
具体实施方式
本发明提供了一种智能的活鱼水质等级的评价方法,其基本基本思想是:通过池塘水质评价模型实时地对获取到的池塘水质信息进行等级评测,以给池塘工作者提供一个有利的参考,已达到实时监控池塘水质的目的。
具体步骤如如图6所示:
1.通过把水质检测仪置于养殖池塘之中,用来获得水质中六项水质因子的值,分别是水温,酸碱度,溶解氧,氨氮,亚硝酸盐氮和硫化物,假设分别获得的六项因子的值是sw_value、ph_value、dod_value、nh_value、nah_value、hso_value。
2.通过无线传输协议,诸如3G,WIFI进行数据传输,把数据传输到服务器上的数据库。
3.启动在服务器上的智能活鱼水质监控系统实时处理放置在数据库中的池塘水质信息。
4.智能活鱼水质监控系统通过专家调查表信息生成专家知识库,如果专家知识库已经建 立,则根据新增的专家调查表信息重新生成知识库,假如生成的专家知识库信息中,水温的最佳范围是[sw_best_min,sw_best_max],合适范围是[sw_min,sw_max];酸碱度的最佳范围是[ph_best_min,ph_best_max],合适范围是[ph_min,ph_max];溶解氧的最佳范围是[dod_best_min,dod_best_max],合适范围是[dod_min,dod_max];氨氮的最佳范围是[nh_best_min,nh_best_max],合适范围是[nh_min,nh_max];亚硝酸盐氮的最佳范围是[nah_best_min,nah_best_max],合适范围是[nah_min,nah_max];硫化物的最佳范围是[hso_best_min,hso_best_max],合适范围是[hso_min,hso_max];
5.通过专家知识库信息和复合高斯梯度隶属模型构建池塘水质中各项因子的评价模型,复合高斯梯度隶属度模型的基本理论和模型原理如下:
(1)基本理论
μ[a,a]=[μa,μa],μ为大于零的常数 (2)
(2)模型原理
设有A1,A2,..,Anl等m个因子,每个因子的值xi(1≤i≤m)都有一个合适[ki_min,ki_max]区间和最适合[ki_best_min,ki_best_max]区间,根据合适区间和最适合区间构建复合高斯梯形隶属函数:
由此池塘水质的六项因子可以分别构成六组复合高斯梯度隶属模型,每组模型的构建如公式5所示,当水质因子的值处于最适合范围的时候,得到的隶属值为1;当水质因子的值处于合适范围外时,得到的隶属值为0;当水质因子的值处于最适左值与合适左值范围之间时,构造一个高斯函数,函数的中心为最适左值,函数的方差为最适左值减去合适左值的差。通过高斯隶属函数算出处于这中间的隶属值;当水质因子的值处于最适右值与合适右值范围之间时,构造一个高斯函数,函数的中心为最适右值,函数的方差为合适右值减去最适右值的差。通过高斯隶属函数算出处于这中间的隶属值;把经过各自复合高斯梯度隶属模型得到的隶属值相加可以得到六项水质因子的一个综合隶属值。
6.得到六项水质因子的隶属值和一个综合隶属值之后,按区间将隶属值分成五个等级,分别是优,良,中,中下和差,当隶属值等于1时,属于区间[1,1],处于优等级范围,当隶属值属于[0.8,1.0]之间时,处于良等级范围,当隶属值属于[0.5,0.8]之间时,处于中等级范围,当隶属值属于[0,0.5]之间时,处于中下等级范围,当隶属值等于0时,属于区间[0,0],处于差等级范围同时由于溶解氧有单边极限性,即溶解氧小于合适范围左值时才会造成水质污染,溶解氧越大对水质影响越小,所以当溶解氧的取值大于最适右值时,溶解氧不会造成水质污染,这时候把溶解氧值大于最适右值的隶属等级统统划分为良。同理氨氮,亚硝酸盐氮和硫化物也即有单边极限性,但是其值确是大于合适范围右值时才会造成水质污染,其值越小对水质影响越小,所以当这三项取值小于最适左值时,溶解氧不会造成水质污染,这时候也把这三项小于最适左值的隶属等级统统划分为良。
7.六项水质因子经过隶属值和等级之间转换关系处理之后,得到了六项水质因子的具体等级值。根据等级数目与等级之间的转换关系:当各项水质因子之中,优的个数达到6个的时候,由于其在此时各项因子都达到了最佳状态,把这种情况划分为优;当各项水质因子之中有1项出现了差,也就是差项的个数大于或等于1的时候,这时候表明其中有一项或几项已经对整体的水质造成了严重的污染和影响,把这种情况归为差;当各项水质因子之中良和 优的数目达到了大于或等于5个的时候,并且属于中项的个数小于或等于1,同时中下和差项个数为零,表明水质整体处于良性状态,把此种情况归为良。当各项水质因子之中,中项或在其上等价数目加起来大于或等于5个,同时中下的数目小于等于1,差项数目为零时,表明水质状况一般,剩余的一种情况则为中下,也就是中下或在其上等级的数目加起来等于6个时,表明水质已经快接近污染状态,把此时期水质状态对应为中下。这样就可以得到池塘水质最终的具体综合等级。
8.得到池塘水质的具体综合等级和池塘水质的具体综合评价值之后,可以根据具体综合评价值来评判处于同一具体综合等级下的池塘水质的优劣,当池塘水质的具体综合等级相同时,具体综合评价值越高代表池塘水质越好,具体综合评价值越低代表池塘水质越差。
9.通过智能活鱼水质测控系统分析处理后,把得到的池塘水质综合等级和相应的六项水质因子的值以及具体等级值显示在池塘养殖工作者的客户机屏幕上,以供池塘养殖工作者对池塘水质环境进一步操作提供参考价值。
Claims (5)
1.一种活鱼养殖水质等级的评价方法,其特征在于:
A、采用专家意见的方法,获得6项水质因子的最佳范围和合适范围;
B、通过6项水质因子的最佳范围和合适范围构建复合高斯梯度隶属模型,经过模型的分析与计算,得到每项水质因子的隶属值和一项综合隶属值,也称评价值;
C、通过隶属值与等级划分转换关系,得到六项水质因子的具体等级;
D、通过等级数目与等级划分转换关系,得到整体评价等级值;
E、通过综合隶属值区别处于同一整体评价等级下水质的优劣。
2.根据权利要求1所述的方法,其特征在于所述步骤B具体包括:
B1、复合高斯梯度隶属模型根据水质因子的最佳范围和合适范围来构造的,其模型的包括三部分,左边一部分为高斯模型,模型的中心为最佳左值,方差为最佳左值与合适左值的差;中间一部分为恒定的值1,取值范围在合适范围内;右边一部分也为高斯模型,模型的中心为最佳右值,方差为合适右值与最佳右值的差。
B2、当水质因子的值处于最适合范围的时候,得到的隶属值为1;当水质因子的值处于合适范围外时,得到的隶属值为0;
B3、当水质因子的值处于最适左值与合适左值范围之间时,构造一个高斯函数,函数的中心为最适左值,函数的方差为最适左值减去合适左值的差,通过高斯隶属函数算出处于这中间的隶属值;
B4、当水质因子的值处于最适右值与合适右值范围之间时,构造一个高斯函数,函数的中心为最适右值,函数的方差为合适右值减去最适右值的差。通过高斯隶属函数算出处于这中间的隶属值;
B5、六项池塘水质因子经过各自的复合高斯梯度隶属模型分析计算后,得到各自的隶属值,然后六项水质因子的隶属值相加得到一个综合隶属值。
3.根据权利要求1所述的方法,其特征在于所述步骤C具体包括:
C1、得到六项池塘水质因子的隶属值后,按区间将隶属值分成五个等级,分别是优,良,中,中下和差;当隶属值等于1时,属于区间[1,1],处于优等级范围;当隶属值属于[0.8,1.0]之间时,处于良等级范围,当隶属值属于[0.5,0.8]之间时,处于中等级范围;当隶属值属于[0,0.5]之间时,处于中下等级范围;当隶属值等于0时,属于区间[0,0],处于差等级范围;
C2、同时由于溶解氧有单边极限性,即溶解氧小于合适范围左值时才会造成水质污染,溶解氧越大对水质影响越小,所以当溶解氧的取值大于最适右值时,溶解氧不会造成水质污染,这时候把溶解氧值大于最适右值的隶属等级统统划分为良;
C3、同理氨氮,亚硝酸盐氮和硫化物也即有单边极限性,但是其值确是大于合适范围右值时才会造成水质污染,其值越小对水质影响越小,所以当这三项取值小于最适左值时,溶解氧不会造成水质污染,这时候也把这三项小于最适左值的隶属等级统统划分为良。
4.根据权利要求1所述的方法,其特征在于所述步骤D具体包括:
D1、当各项水质因子之中,优的个数达到6个的时候,由于其在此时各项因子都达到了最佳状态,所以可以把这种情况划分为优;
D2、当各项水质因子之中有1项出现了差,也就是差项的个数大于或等于1的时候,这时候表明其中有一项或几项已经对整体的水质造成了严重的污染和影响,所以把这种情况归为差;
D3、当各项水质因子之中良和优的数目达到了大于或等于5个的时候,并且属于中项的个数小于或等于1,同时中下和差项个数为零,表明水质整体处于良性状态,把此种情况归为良;
D4、当各项水质因子之中,中项或在其上等价数目加起来大于或等于5个,同时中下的数目小于等于1,差项数目为零时,表明水质状况一般,把此种情况归为中;
D5、当各项水质因子之中,中下或在其上等级的数目加起来等于6个时,表明水质已经快接近污染状态,把此时期水质状态对应为中下。
5.根据权利要求1所述的方法,其特征在于所述步骤E具体包括:得到池塘水质的具体综合等级和池塘水质的具体综合评价值之后,可以根据具体综合评价值来评判处于同一具体综合等级下的池塘水质的优劣,当池塘水质的具体综合等级相同时,具体综合评价值越高代表池塘水质越好,具体综合评价值越低代表池塘水质越差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100882055A CN103217508A (zh) | 2013-03-19 | 2013-03-19 | 一种活鱼养殖水质等级的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100882055A CN103217508A (zh) | 2013-03-19 | 2013-03-19 | 一种活鱼养殖水质等级的评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103217508A true CN103217508A (zh) | 2013-07-24 |
Family
ID=48815485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100882055A Pending CN103217508A (zh) | 2013-03-19 | 2013-03-19 | 一种活鱼养殖水质等级的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103217508A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616203A (zh) * | 2015-01-26 | 2015-05-13 | 北京蓝实通数码科技有限公司 | 一种农产品溯源质量评价方法 |
CN105486828A (zh) * | 2015-11-28 | 2016-04-13 | 汪翔 | 养殖水产品的死亡监测方法 |
CN105527398A (zh) * | 2016-01-08 | 2016-04-27 | 通威股份有限公司 | 一种凡纳滨对虾养殖池塘水质的评价方法 |
CN107991449A (zh) * | 2017-11-17 | 2018-05-04 | 宁波水表股份有限公司 | 一种供水检测控制系统及方法 |
CN110498458A (zh) * | 2018-05-17 | 2019-11-26 | 青岛海尔洗衣机有限公司 | 一种净水机水质地图的生成方法及水质地图的控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN102034214A (zh) * | 2010-12-20 | 2011-04-27 | 上海勘测设计研究院 | 一种富营养化湖泊的健康评价方法 |
CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
-
2013
- 2013-03-19 CN CN2013100882055A patent/CN103217508A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034212A (zh) * | 2010-06-21 | 2011-04-27 | 艾浩军 | 一种基于视频分析的城市管理系统 |
CN102034214A (zh) * | 2010-12-20 | 2011-04-27 | 上海勘测设计研究院 | 一种富营养化湖泊的健康评价方法 |
CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
Non-Patent Citations (2)
Title |
---|
张立伟 等: "基于模糊数学的水质评价方法研究", 《中国仪器仪表学报》 * |
金菊良 等: "水环境质量综合评价的新模型", 《中国环境监测》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616203A (zh) * | 2015-01-26 | 2015-05-13 | 北京蓝实通数码科技有限公司 | 一种农产品溯源质量评价方法 |
CN105486828A (zh) * | 2015-11-28 | 2016-04-13 | 汪翔 | 养殖水产品的死亡监测方法 |
CN105527398A (zh) * | 2016-01-08 | 2016-04-27 | 通威股份有限公司 | 一种凡纳滨对虾养殖池塘水质的评价方法 |
CN107991449A (zh) * | 2017-11-17 | 2018-05-04 | 宁波水表股份有限公司 | 一种供水检测控制系统及方法 |
CN110498458A (zh) * | 2018-05-17 | 2019-11-26 | 青岛海尔洗衣机有限公司 | 一种净水机水质地图的生成方法及水质地图的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103217508A (zh) | 一种活鱼养殖水质等级的评价方法 | |
CN103063202A (zh) | 基于遥感影像的蓝藻生物量时空变化监测与可视化方法 | |
CN109740286A (zh) | 一种混合优化bp神经网络的湖泊水质预测模型构建方法 | |
CN103440525B (zh) | 基于Vague值相似度量改进算法的湖库水华应急治理决策方法 | |
CN113379310A (zh) | 一种基于rssri的乡村聚落空间重构服务系统及方法 | |
CN116258060A (zh) | 基于机器学习的测土配方施肥方法 | |
Liu et al. | Evaluation of cultivated land quality using attention mechanism-back propagation neural network | |
Wang et al. | Research on the impact mechanism of multiple environmental regulations on carbon emissions under the perspective of carbon peaking pressure: A case study of China's coastal regions | |
CN102789546A (zh) | 一种基于人类扰动强度的参照湖泊定量化确定方法 | |
CN105527398A (zh) | 一种凡纳滨对虾养殖池塘水质的评价方法 | |
Gu et al. | Research on evaluation of university scientific research team based on SOM neural network | |
Shasha et al. | Analysis of the decisions of farmers working different sized farms to constantly use soil testing formula fertilizer | |
Xu et al. | Construction of the rule of law system of marine ecological environment protection under the background of wireless network information fusion | |
Nosrat et al. | Changing the cultivation pattern and its effect on the structure of stable economy (Case Study: Rural Areas of Gilan Province) | |
Yalin et al. | Dissolved oxygen prediction model which based on fuzzy neural network | |
Hirad et al. | Designing a Model for Monitoring the Productivity of the Automotive Industry | |
Hu et al. | Research on Coupling Coordination Evaluation of Sustainable Land Use and Economic Development: A Case Study of Guangdong Province, China | |
Moosavi et al. | Evaluation of the effects of economic growth, energy consumption and urbanization on the quality of the environment in The Middle East; A panel data approach | |
CN109409718A (zh) | 一种公路绿色施工模糊物元评价模型及构建方法 | |
Liu et al. | RETRACTED ARTICLE: Detection of PM2. 5 in mountain air based on fuzzy multi-attribute and construction of folk sports activities | |
CN109034530A (zh) | 一种基于神经网络算法的管廊规划方法 | |
Liu | Study on the Targeted Poverty Relief of" Internet+ Agriculture" in Poverty-Stricken Area of Henan Province | |
Yang et al. | Reform of Early Childhood Physical Education Development Based on Big Data Technology | |
Sahin | The Interaction of Different Primary Producers and Physical and Chemical Dynamics of an Urban Shallow Lake | |
Basereh et al. | Utilization of Water Resources Using the Water Accounting Approach (Aase Study between Dehkhoda Agriculture and Industry Border to Mard Station) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130724 |