CN108492055B - 一种基于鱼致死函数的鱼死亡风险确定方法及系统 - Google Patents
一种基于鱼致死函数的鱼死亡风险确定方法及系统 Download PDFInfo
- Publication number
- CN108492055B CN108492055B CN201810338862.3A CN201810338862A CN108492055B CN 108492055 B CN108492055 B CN 108492055B CN 201810338862 A CN201810338862 A CN 201810338862A CN 108492055 B CN108492055 B CN 108492055B
- Authority
- CN
- China
- Prior art keywords
- fish
- function
- dissolved oxygen
- oxygen concentration
- death
- 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.)
- Active
Links
- 241000251468 Actinopterygii Species 0.000 title claims abstract description 336
- 238000000034 method Methods 0.000 title claims abstract description 65
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 231
- 239000001301 oxygen Substances 0.000 claims abstract description 231
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 231
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 143
- 230000008859 change Effects 0.000 claims abstract description 121
- 206010003497 Asphyxia Diseases 0.000 claims abstract description 51
- 206010021143 Hypoxia Diseases 0.000 claims description 70
- 230000036284 oxygen consumption Effects 0.000 claims description 58
- 230000007954 hypoxia Effects 0.000 claims description 56
- 208000008784 apnea Diseases 0.000 claims description 41
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 33
- 230000029553 photosynthesis Effects 0.000 claims description 13
- 238000010672 photosynthesis Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 239000013049 sediment Substances 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 231100000518 lethal Toxicity 0.000 claims description 8
- 230000001665 lethal effect Effects 0.000 claims description 8
- 241000894007 species Species 0.000 claims description 7
- JXASPPWQHFOWPL-UHFFFAOYSA-N Tamarixin Natural products C1=C(O)C(OC)=CC=C1C1=C(OC2C(C(O)C(O)C(CO)O2)O)C(=O)C2=C(O)C=C(O)C=C2O1 JXASPPWQHFOWPL-UHFFFAOYSA-N 0.000 claims 1
- 230000008569 process Effects 0.000 description 27
- 241000196324 Embryophyta Species 0.000 description 12
- 230000001146 hypoxic effect Effects 0.000 description 11
- 230000004060 metabolic process Effects 0.000 description 10
- 230000000241 respiratory effect Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 239000008239 natural water Substances 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 241000252230 Ctenopharyngodon idella Species 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 238000009360 aquaculture Methods 0.000 description 3
- 244000144974 aquaculture Species 0.000 description 3
- 230000037396 body weight Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 231100000225 lethality Toxicity 0.000 description 3
- 238000012886 linear function Methods 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 241000195493 Cryptophyta Species 0.000 description 2
- 241000252234 Hypophthalmichthys nobilis Species 0.000 description 2
- 241000252143 Polyodon spathula Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 230000037323 metabolic rate Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 206010002660 Anoxia Diseases 0.000 description 1
- 241000976983 Anoxia Species 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000218993 Begonia Species 0.000 description 1
- 240000003826 Eichhornia crassipes Species 0.000 description 1
- 235000005087 Malus prunifolia Nutrition 0.000 description 1
- 244000070406 Malus silvestris Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000376029 Tachysurus fulvidraco Species 0.000 description 1
- 241000592342 Tracheophyta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007953 anoxia Effects 0.000 description 1
- 230000001651 autotrophic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000009308 mixed farming Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000009372 pisciculture Methods 0.000 description 1
- 238000009344 polyculture Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 244000038651 primary producers Species 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种基于鱼致死函数的鱼死亡风险确定方法及系统。该方法包括：获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；依据鱼类数据、水体数据和非鱼氧平衡数据建立溶解氧浓度变化函数；依据鱼类数据和水体数据，建立鱼致死函数；利用溶解氧浓度变化函数和鱼致死函数建立缺氧窒息动态变化预测模型；利用缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；利用溶解氧浓度的动态轨迹和鱼死亡数量动态轨迹确定鱼死亡风险。本发明能够综合溶解氧浓度和鱼死亡数量的动态轨迹共同确定水体缺氧条件下不同鱼种面临不同程度窒息死亡胁迫时的死亡风险，可靠性高。
Description
技术领域
本发明涉及水生态风险分析技术领域，特别是涉及一种基于鱼致死函数的鱼死亡风险确定方法及系统。
背景技术
无论自然水体还是水产养殖，缺氧都会对其中鱼类的生存形成胁迫，严重条件下会出现鱼大量死亡的后果。水体中溶解氧(dissolved oxygen,DO)的浓度是由氧的供应(水体植物光合作用，大气复氧)和氧的消耗(水体中各类生物的呼吸作用)所构成的氧平衡所决定的。当不利环境条件出现时，氧供应低下至不足以抵消氧消耗且该条件持续一定时间时，DO会持续下降，鱼类的生命受到缺氧胁迫，严重时，则鱼类会由于窒息而死亡。这种不利条件包括但不限于以下情形：(1)台风暴雨等气象过程前夕，太阳辐照持续低下，水温下降，光合作用不足；另一方面气压低大气复氧不足；(2)阴雨连绵，太阳辐照持续低下，水温下降，光合作用不足；(3)季节变化或气象过程导致的气温突降，表水层转凉引发水体下部贫氧水团上升；(4)降水洪水过程后，大量营养盐进入水体引发旺盛的微生物呼吸作用。
事实上，上述缺氧情形本身是自然变动性的表现，这种变动性决定了完全避免缺氧胁迫既不可能也无必要。但是，基于对缺氧所造成的损失(经济损失或生态价值损失)的理解而在可接受成本范围内予以必要干预，是可能的，也是防范极端严重损失风险的合理策略。考虑到鱼类作为自然水体或养殖水体生态系统中的消费者，在维系生态系统结构和功能方面具有重要生态价值，其中相当部分鱼类还具有重要的经济价值。因此，研究鱼的窒息死亡过程具有重要的生态环境意义和经济意义。
国内外针对某特定鱼类的窒息过程研究很多，但自然水体中往往包括多种鱼类共存，养殖水体中也常常有多种鱼混养的状况，仅以某特定鱼类的窒息研究进行鱼类窒息死亡风险的防范很难奏效。目前，在水体过程性缺氧条件下，对鱼类窒息死亡风险的确定，尚缺乏全面的模型刻画，主要存在以下缺点：缺乏关于不同鱼种在缺氧条件下的溶解氧浓度与数量随时间动态变化的模型，因此，无法定量分析缺氧条件下水体中所含不同鱼种面临窒息死亡风险的差异及其发展过程；如果缺氧程度本身也在动态变化，则其中鱼类窒息死亡风险的定量刻画更为困难。这种围绕鱼窒息死亡风险分析工具的缺失，意味着在实际工作中不能有效防范鱼类大量死亡的风险，也不能有效识别干预时机，无法有效避免鱼大量死亡形成的生态灾难过程或经济损失事件。
发明内容
基于此，有必要提供一种基于鱼致死函数的鱼死亡风险确定方法及系统，以实现对水体缺氧条件下不同鱼种面临不同程度窒息死亡胁迫时的死亡风险的确定，大大提高水体鱼类窒息死亡风险分析的可靠性。
为实现上述目的，本发明提供了如下方案：
一种基于鱼致死函数的鱼死亡风险确定方法，包括：
获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量；
依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数；
依据所述鱼类数据和所述水体数据，建立鱼致死函数；
利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型；
利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的；
利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险。
可选的，所述依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数，具体包括：
依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
可选的，所述溶解氧浓度变化函数，具体为：
其中
表示溶解氧浓度变化函数，DO表示溶解氧浓度，t表示时间，F0表示非鱼氧平衡函数，F1表示耗氧速率预测函数，n表示鱼的数量，λ0表示第一待估计参数，w表示鱼的平均体重，fT表示水温的影响系数，
其中T表示水温，Tref表示水温的参考值，k为玻尔兹曼常数。
可选的，所述鱼致死函数，具体为：
或
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数，DO′表示溶解氧浓度变化率，
可选的，所述利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型，具体包括：
利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
其中，j表示鱼的种类，N表示种类总数；
采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
可选的，所述采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数，具体包括：
建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
本发明还提供了一种基于鱼致死函数的鱼死亡风险确定系统，包括：
数据获取模块，用于获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量；
第一函数建立模块，用于依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数；
第二函数建立模块，用于依据所述鱼类数据和所述水体数据，建立鱼致死函数；
预测模型建立模块，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型；
预测模块，用于利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的；
确定模块，用于利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险。
可选的，所述第一函数建立模块，具体包括：
耗氧速率函数建立单元，用于依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
非鱼氧平衡函数建立单元，用于依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
溶解氧变化函数建立单元，用于利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
可选的，所述预测模型建立模块，具体包括：
初步模型建立单元，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
其中，j表示鱼的种类，N表示种类总数；
参数确定单元，用于采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
预测模型确立单元，用于将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
可选的，所述参数确定单元，具体包括：
似然函数建立子单元，用于建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
计算子单元，用于依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
参数确定子单元，用于将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
与现有技术相比，本发明的有益效果是：
本发明提出了一种基于鱼致死函数的鱼死亡风险确定方法及系统，所述方法包括：获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；依据鱼类数据、水体数据和非鱼氧平衡数据建立溶解氧浓度变化函数；依据鱼类数据和水体数据，建立鱼致死函数；利用溶解氧浓度变化函数和鱼致死函数建立缺氧窒息动态变化预测模型；利用缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；利用溶解氧浓度的动态轨迹和鱼死亡数量动态轨迹确定鱼死亡风险。本发明能够综合溶解氧浓度的动态轨迹和每种鱼死亡数量动态轨迹共同确定水体缺氧条件下不同鱼种面临不同程度窒息死亡胁迫时的死亡风险，可靠性高，进而能够有效避免鱼大量死亡形成的生态灾难过程或经济损失事件。
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，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于鱼致死函数的鱼死亡风险确定方法的流程图；
图2为本发明实施例溶解氧变化曲线图；
图3为本发明实施例严重缺氧时鱼类临界体重变化曲线图；
图4为本发明实施例一种基于鱼致死函数的鱼死亡风险确定系统的结构示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例一种基于鱼致死函数的鱼死亡风险确定方法的流程图。
参见图1，实施例的基于鱼致死函数的鱼死亡风险确定方法，包括：
步骤S1：获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据。
所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量。
步骤S2：依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数。
具体包括：
依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
所述溶解氧浓度变化函数，具体为：
其中
表示溶解氧浓度变化函数，DO表示溶解氧浓度，t表示时间，F0表示非鱼氧平衡函数，F1表示耗氧速率预测函数，n表示鱼的数量，λ0表示第一待估计参数，w表示鱼的平均体重，fT表示水温的影响系数，
其中T表示水温，Tref表示水温的参考值，k为玻尔兹曼常数。
本实施例中，耗氧速率预测函数F1＝nλ0wDOfT，而基于不同的理论，耗氧速率预测函数F1可表示为多种不同的形式，如下：
BWPDO F1＝nλ0w1-φDOfT
BWP0.75 F1＝nλ0w0.75DOfT
BWP0.80 F1＝nλ0w0.80DOfT
BWDOP F1＝nλ0w0.80DO0.44fT
这些函数中F1＝nλ0wDOfT为最基础的线性函数；BWP0.75，BWP0.80分别基于代谢理论和非缺氧耗氧模型(NMR)中w幂律函数构建；BWPDO是尝试将DO设置为w的幂指数所建立的函数，并引入待估计参数φ；BWDOP是基于轻度缺氧时呼吸速率模型(MMR)形式构建，该函数是包括w和DO的双幂律函数；DOMM2.5和DOMM4.0分别为考虑DO饱和效应(以MichaelisMenton模型为函数形式)时的函数。
下面是根据实际需求，考虑引入DO下降速率(以DO′表示DO对时间t的一阶导数)作为表征缺氧程度的新变量，DO′表示溶解氧浓度变化率，则基于DO′数值的分段函数也可以作为F1的一种备选函数，如下
其中DO′crit表示划分轻度缺氧代谢和缺氧呼吸代谢的溶解氧阈值，即当DO′＞DO′crit时，表示沿用轻度缺氧时呼吸速率，当DO′≤DO′crit时，表示沿用缺氧时呼吸速率。
步骤S3：依据所述鱼类数据和所述水体数据，建立鱼致死函数。
所述鱼致死函数，具体为：
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数。
本实施例中，鱼致死函数
而基于不同的理论，鱼致死函数F2可表示为多种不同的形式，如下：
BWPDO F2＝b0w0.25-γDOfT
这些模型中BWdivDO构成基础的线性函数；LineDOdivBW则为线性函数的另一种形式，其以
为DO和w胁迫因子；EBWdDO则为LineDOdivBW的变形，但采取指数形式以便改善对部分数据的表达；DODdBW和EDODdBW则分别可以作为LineDOdivBW和EBWdDO的反式表达，即以缺氧程度(5.0-DO)而不是DO作为DO的表达方式，这里直接将水环境中一般认为不对鱼产生不利影响的DO浓度(5.0mg/L)作为缺氧产生的基线水平；基于类似的考虑，LineDOCapdBW则直接将DO≤3.0mg/L作为致死函数的产生条件；BWPDO是另一个可选的模型形式，即将DO设置为w的幂指数，并引入待估计参数γ和b0。
为了进一步提高鱼致死函数的可靠性，根据实际需求，考虑利用溶解氧浓度变化速率DO′建立鱼致死函数
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数，DO′表示溶解氧浓度变化率，
其中DO、T、W均为DO′的影响因素。
鱼致死函数最基本的构型
而基于不同的理论，鱼致死函数F2基于DO′数值的分段函数也可表示为多种不同的形式，如下
EDOdDDR_1及其衍生型EDOdDDR_11，EDOdDDR_2都是上述最基本的构型的简化构型。在此指出，这些EDOdDDR类模型中都不再显式的考虑温度影响，因为DO′作为代谢的直接后果，已经表现了温度影响。
步骤S4：利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型。
具体包括：
利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
其中，j表示鱼的种类，N表示种类总数；
采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
所述采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数，具体包括：
建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
步骤S5：利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测。
所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的。
步骤S6：利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险。
通过步骤S6可以确定鱼死亡风险，这就意味着在实际工作中我们可以提前有效防范鱼类大量死亡的风险，提前识别干预时机，进而有效避免鱼大量死亡形成的生态灾难过程或经济损失事件。
下面介绍在实际应用中的一个具体的实施过程。以闽江流域古田水库网箱养殖为例，构建极端天气情景下渔业养殖案例，分析该天气情景下鱼类生态风险，对本发明基于鱼致死函数的鱼死亡风险确定方法予以说明。
主要包括以下几个部分：构造基本参数、非鱼(如水生植物、微生物、微小动物等)的氧气平衡过程、鱼类溶解氧浓度变化函数和鱼致死函数、损失计算。
1、构造基本参数
1)水体参数
情景设定为极端天气情景，以2017年7～8月福建古田水库养殖为例，此时间段内我国东南沿海的福建、台湾、浙江受到了2017年第9号台风纳沙和第10号台风海棠的影响，该时期内的气象、水质参数分别来源于国家科学气象数据共享服务平台、福建省环保厅。古田水库的渔业养殖主要以网箱养殖为主，网箱高2～3m，此情景取水深2m，2011年网箱数量达到2万个。该水库总氮浓度超标严重，凤眼莲等漂浮植物大面积生长。正常水体中，浮游植物覆盖率不高，在网箱养殖中，由于构筑物的阻隔，浮游植物的覆盖率很小。
古田地区的主要养殖鱼类分别为匙吻鲟、黄颡鱼、草鱼等，草鱼养殖中既有混养模式，也有单独养殖模型，参考古田地区鱼类养殖特点，选取1公顷的养殖面积，设定了实施例中匙吻鲟养殖参数，表1为气象、水体参数和养殖信息设定，如下：
表1
2)鱼体重分布函数
自然水环境中，鱼类的体重分布比较分散，以太湖为例，既包括鳙鱼、鲢鱼、草鱼等较大鱼类，也包括大鳍鱊等小体重的鱼。当鱼类数量较多时，鱼类的体重应符合某一分布，实施例中鱼类体重的密度分布设定如下：
w～N(200,100)
实施例中鱼体重期望值为200g。
3)气象参数
实施例中气象参数主要来源国家科学气象数据共享服务平台，起始为2017年7月28日0点，截止时间为8月3日23时，持续168小时。第9号台风纳沙登录福建福清的时间为7月30日6时，10号台风海棠登录福建时间7月31日2时50分。在该时间段内，低气压、低气温、低辐射、强降雨持续3～4天。
2、非鱼氧平衡过程
水环境中氧气的平衡影响因素很多，既包括水生植物、微生物、微小动物等呼吸消耗过程，也包括了大气复氧、水生植物光合作用等产氧过程。本发明将非鱼类活动造成的氧气平衡过程归纳为：大气复氧、水生植物光合作用和呼吸作用、水体呼吸耗氧、底泥呼吸耗氧、过饱和水体的溶解氧溢出五个环节。
1)大气复氧过程
由于空气和水中氧气浓度差，大气中的氧气会通过水气交换进入水中，从而使得水中氧气浓度增加，适用于海湾、湖泊、水库、水塘型水体的大气复氧量计算如下
其中，
Ka＝Kw+Kp-0.047KwKp，
Kp＝2.245×10-5(2390+0.103Z)j1.26θT-20H-1，
Ka、Kp、Kw均为复氧系数，DOs表示饱和溶解氧浓度，DO表示实际水环境的溶解氧浓度，Z表示水体海拔高度，j表示降雨强度，θ表示温度修正因子，取1.024，H表示有效水深，u10表示水面10m处的风速。
2)水生植物光合作用和呼吸作用
由浮游植物、着生藻类、水生维管束植物和自养细菌构成的水生植物的光合作用是水环境中净初级生产力的主要来源，浮游植物(藻类)是主要原初生产者，藻类呼吸耗氧量为产氧量的10％，但是滞后3小时，计算公式如下
其中，
Pr＝0.1*[P(T,I,N,P),滞后3小时]，
P表示单位叶绿素产氧量；Pr表示呼吸作用耗氧量；Nit为溶解态总氮；Pho为溶解性总磷，；I为光照强度。
3)水体呼吸、底泥耗氧过程、过饱和水体的溶解氧溢出
水呼吸(WCR:watercolumnrespiration)是指除上述两个过程以及底泥呼吸过程之外，水体中的氧气消耗过程。该过程受到多种因素影响，本发明在考虑温度影响后，得到的水体呼吸耗氧计算公式为
WCR＝(0.0418DO+0.402)1.049T-19.4
WCR表示水体呼吸耗氧速率。
底泥耗氧量计算公式为
SOD表示单位面积底泥呼吸耗氧速率。
过饱和水体释氧的计算公式为
EDO＝(0.362v0.785+0.136)·1.038(T-20)·(DO-DOs)
EDO表示单位实际过饱和水体溢出溶解氧浓度；v为水流速度。
4)饱和溶解氧和水温
饱和溶解氧量的计算公式如下
其中，
Pwv＝exp[11.8571-3840.7/T-216.961/T2]
θ＝0.000975-1.426×10-5t+6.436×10-8t2
Pre为大气压强；Cs*表示标注大气压下的溶解氧浓度；Pwv为水蒸气分压；SAL为水体盐度；θ为温度系数；t＝T-273.16；A、B分别为常数，A0＝-139.34411，A1＝1.575701×105，A2＝-6.642308×107，A3＝1.2438×1010，A4＝-8.621949×1011，B0＝1.7674×10-2，B1＝-1.0754×101，B2＝2.1407×103。
水温的计算公式为T＝0.667Tair+4.11，其中Tair表示气温。
3、鱼类溶解氧浓度变化模型和鱼致死模型
鱼类呼吸代谢分为三种，非缺氧呼吸(NMR)、轻度缺氧呼吸代谢(MMR)、缺氧呼吸代谢(HMR，即F1所描述的过程)，NMR与MMR的临界点为Pcrit，MMR与HMR的临界点为DOcrit，临界点是以溶解氧浓度来划分的。通过系统建模分析以及模型的优化和遴选，获得了三种代谢的模型
MRN＝0.406w-0.1981.054T-25
MRM＝0.233w-0.2061.054T-25DO0.437
MRH＝0.070·1.054T-25DO
DOcrit＝3.016·DO′
MRN：非缺氧呼吸耗氧速率(单位生物量)，mg O2/g/h；MRM：轻度缺氧呼吸耗氧速率(单位生物量)，mg O2/g/h；MRH：缺氧呼吸耗氧速率(单位生物量)，mg O2/g/h；DOcrit：轻度缺氧呼吸代谢与缺氧呼吸代谢分界点，mg O2/l；w：鱼湿重，g；T：水温，℃；DO：水中溶解氧浓度，mg/l；DO’:溶解氧浓度变化率，mg O2/l/h。
对非缺氧环境的鱼类代谢速率优化结果表明，温度修正因子为1.054，体重因子为-0.198。
计算鱼类耗氧量时，令NMR＝MMR，求得对应的溶解氧浓度，即为Pcrit，当溶解氧浓度大于等于Pcrit时，代谢速率计算采用公式MRN，当溶解氧浓度小于Pcrit时，代谢速率计算采用公式MRM，当溶解氧浓度小于DOcrit时，则采用公式MRH。所以鱼类耗氧函数如下式所示
鱼窒息过程的起始点选取窒息临界点，窒息临界点经验模型公式如下
SP(w,T)＝1.375w-0.2560.983T-25
鱼致死函数F2如下所示
MR：单位面积鱼类耗氧量；Pcrit、DOcrit：溶解氧临界值；fn(w)：鱼体重分布概率密度函数；Den：养殖密度；SP：窒息临界点溶解氧浓度。本实施例展示了50g、100g、500g三种体重大小的鱼的窒息点，分别记为SP50、SP100、SP500。
4、溶解氧浓度变化函数的建立
溶解氧浓度变化函为
以1小时为时间间隔，计算时间序列上溶解氧的浓度变化，实施例中溶解氧变化曲线如图2所示。
图2包含两幅子图，图2(a)表示实施例中溶解氧浓度在水深方向的时间序列等值线图，可以发现水深越深溶解氧浓度越低，在极端气象情景下溶解氧浓度会呈现一致的下降。图2(b)表示实施例中平均溶解氧浓度以及不同体重鱼的窒息点随时间的变化曲线图。
实施例模拟结果表明，在强降雨之前往往由于天气炎热，会造成水环境溶解氧浓度较低，模拟结果很好的体现了这一现象。7月30日强降雨导致30日夜间至31日6时，水环境溶解氧浓度持续降低。共出现3个时间段内溶解氧评价浓度小于50g鱼的窒息点浓度，如表2所示。共3个时间段内溶解氧平均浓度小于50g鱼的窒息点浓度。
表2
由表2可知，7月30～8月2日持续三日水环境溶解氧较低。以第二个时间段为例，取该时间段内的24小时数据(7月30日16时～31日15时)根据模拟出环境平均溶解氧浓度和窒息临界点公式，反算该溶解氧浓度下受影响的鱼类最小体重，结果如图3所示，参见图3，模拟缺氧情景最开始只有小体重的鱼受到影响，随着平均溶解氧浓度的降低，更大的鱼受到影响，在7月31日6时缺氧情况最严重，随后缺氧情况减弱，受到影响的最大体重为96.93g。由上述结果可得，在水环境平均溶解氧浓度变化的过程中，不同体重大小的鱼受到的缺氧胁迫时间不相同。
5、渔业损失估计
通过模拟极端天气条件下鱼类死亡情况，对潜在的损失予以估计。潜在的经济损失计算公式如下：
通过计算，可知最终可造成22.56万元的经济损失。
本实施例中的基于鱼致死函数的鱼死亡风险确定方法，通过优化出一套跨不同鱼种的、以体重为指标的溶解氧浓度变化函数和鱼致死函数，进而建立缺氧窒息动态变化预测模型，使得使得实际水环境中不同鱼类的窒息死亡模拟成为可能，因此，一次缺氧过程导致的以鱼为主要关注对象的水生生态风险的确定也由此成为可能，实现了综合溶解氧浓度和鱼死亡数量的动态轨迹共同确定水体缺氧条件下不同鱼种面临不同程度窒息死亡胁迫时的死亡风险，可靠性高。
在鱼的养殖领域，不同鱼的混养也是常见的。当养殖水体共同经历缺氧过程时，本发明优化出的模型能够通用的模拟出不同体重的鱼(无关种类)在缺氧动态过程中呼吸代谢的动态变化的同时，模拟出这些鱼的死亡过程及其差异。因此，只需简单的将鱼的经济价值与鱼个体或生物量的死亡风险相乘，即可获知该缺氧过程所导致的由于鱼死亡而产生的经济损失风险。这对于提前预知缺氧损失并采取合理防范措施很有裨益。
本发明还提供了一种基于鱼致死函数的鱼死亡风险确定系统，图4为本发明实施例一种基于鱼致死函数的鱼死亡风险确定系统的结构示意图。
参见图4，实施例的基于鱼致死函数的鱼死亡风险确定系统，包括：
数据获取模块401，用于获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据。
所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量。
第一函数建立模块402，用于依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数。
所述第一函数建立模块402，具体包括：
耗氧速率函数建立单元，用于依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
非鱼氧平衡函数建立单元，用于依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
溶解氧变化函数建立单元，用于利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
第二函数建立模块403，用于依据所述鱼类数据和所述水体数据，建立鱼致死函数。所述鱼致死函数，具体为：
或
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数，DO′表示溶解氧浓度变化率，
预测模型建立模块404，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型。
所述预测模型建立模块404，具体包括：
初步模型建立单元，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
其中，j表示鱼的种类，N表示种类总数；
参数确定单元，用于采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
预测模型确立单元，用于将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
所述参数确定单元，具体包括：
似然函数建立子单元，用于建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
计算子单元，用于依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
参数确定子单元，用于将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
预测模块405，用于利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测。
所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的。
确定模块406，用于利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险。
实施例中的基于鱼致死函数的鱼死亡风险确定系统，能够综合溶解氧浓度的动态轨迹和每种鱼死亡数量动态轨迹共同确定水体缺氧条件下不同鱼种面临不同程度窒息死亡胁迫时的死亡风险，可靠性高，进而能够有效避免鱼大量死亡形成的生态灾难过程或经济损失事件。
本说明书中对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于鱼致死函数的鱼死亡风险确定方法，其特征在于，包括：
获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量；
依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数；
依据所述鱼类数据和所述水体数据，建立鱼致死函数；
利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型；
利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的；
利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险；
所述溶解氧浓度变化函数，具体为：
其中
表示溶解氧浓度变化函数，DO表示溶解氧浓度，t表示时间，F0表示非鱼氧平衡函数，F1表示耗氧速率预测函数，n表示鱼的数量，λ0表示第一待估计参数，w表示鱼的平均体重，fT表示水温的影响系数，
其中T表示水温，Tref表示水温的参考值，k为玻尔兹曼常数；
所述鱼致死函数，具体为：
或
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数，DO′表示溶解氧浓度变化率，
2.根据权利要求1所述的一种基于鱼致死函数的鱼死亡风险确定方法，其特征在于，所述依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数，具体包括：
依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
3.根据权利要求1所述的一种基于鱼致死函数的鱼死亡风险确定方法，其特征在于，所述利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型，具体包括：
利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
其中，j表示鱼的种类，N表示种类总数；
采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
4.根据权利要求3所述的一种基于鱼致死函数的鱼死亡风险确定方法，其特征在于，所述采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数，具体包括：
建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
5.一种基于鱼致死函数的鱼死亡风险确定系统，其特征在于，包括：
数据获取模块，用于获取密闭环境下的鱼类数据、水体数据和非鱼氧平衡数据；所述鱼类数据包括每种鱼的数量和每种鱼的平均体重，所述水体数据包括溶解氧浓度和水温，所述非鱼氧平衡数据包括大气复氧量、水生植物光合作用产氧量和呼吸耗氧量、过饱和水体溶解氧溢出量、水体呼吸耗氧量和底泥呼吸耗氧量；
第一函数建立模块，用于依据所述鱼类数据、所述水体数据和所述非鱼氧平衡数据建立溶解氧浓度变化函数；
第二函数建立模块，用于依据所述鱼类数据和所述水体数据，建立鱼致死函数；
预测模型建立模块，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立缺氧窒息动态变化预测模型；
预测模块，用于利用所述缺氧窒息动态变化预测模型在预设时间内对待预测水体的溶解氧浓度的动态轨迹和待预测水体中每种鱼死亡数量动态轨迹进行预测；所述溶解氧浓度的动态轨迹是由所述预设时间内多个不同时刻的溶解氧浓度值构成的，所述鱼死亡数量动态轨迹是由所述预设时间内多个不同时刻的鱼死亡数量构成的；
确定模块，用于利用所述溶解氧浓度的动态轨迹和所述鱼死亡数量动态轨迹确定鱼死亡风险；
所述溶解氧浓度变化函数，具体为：
其中
表示溶解氧浓度变化函数，DO表示溶解氧浓度，t表示时间，F0表示非鱼氧平衡函数，F1表示耗氧速率预测函数，n表示鱼的数量，λ0表示第一待估计参数，w表示鱼的平均体重，fT表示水温的影响系数，
其中T表示水温，Tref表示水温的参考值，k为玻尔兹曼常数；
所述鱼致死函数，具体为：
或
其中，
表示鱼致死函数，a、b0和γ为第二待估计参数，DO′表示溶解氧浓度变化率，
6.根据权利要求5所述的一种基于鱼致死函数的鱼死亡风险确定系统，其特征在于，所述第一函数建立模块，具体包括：
耗氧速率函数建立单元，用于依据所述鱼类数据和所述水体数据建立耗氧速率预测函数；
非鱼氧平衡函数建立单元，用于依据所述非鱼氧平衡数据建立非鱼氧平衡函数；
溶解氧变化函数建立单元，用于利用所述耗氧速率预测函数和所述非鱼氧平衡函数建立溶解氧浓度变化函数。
7.根据权利要求6所述的一种基于鱼致死函数的鱼死亡风险确定系统，其特征在于，所述预测模型建立模块，具体包括：
初步模型建立单元，用于利用所述溶解氧浓度变化函数和所述鱼致死函数建立初步缺氧窒息动态变化预测模型，所述初步缺氧窒息动态变化预测模型为
或
其中，j表示鱼的种类，N表示种类总数；
参数确定单元，用于采用似然函数估计法确定所述初步缺氧窒息动态变化预测模型中的第一待估计参数和第二待估计参数；
预测模型确立单元，用于将确定所述第一待估计参数和所述第二待估计参数后的初步缺氧窒息动态变化预测模型确立为缺氧窒息动态变化预测模型。
8.根据权利要求7所述的一种基于鱼致死函数的鱼死亡风险确定系统，其特征在于，所述参数确定单元，具体包括：
似然函数建立子单元，用于建立负对数似然度函数
其中，L表示似然度函数，
pn,i＝ranksum({n(te,i),1..m},ne,i)
pDO,i＝ranksum({DO(te,i),1..m},DOe,i)
其中i表示样本观测段的编号，c表示样本观测段个数，te,i表示第i个样本观测段的结束时间，n(te,i)表示在第i个样本观测段的结束时间处鱼的数量的预测值，DO(te,i)表示在第i个样本观测段的结束时间处溶解氧浓度的预测值，ne,i表示在第i个样本观测段的结束时间处鱼的数量的实际观测值，DOe,i在第i个样本观测段的结束时间处溶解氧浓度的实际观测值，t表示第i个样本观测段中达到ne,i所耗费的时间预测值，pn,i表示第i个样本观测段中鱼的数量的预测值与实际观测值的近似程度，pDO,i表示第i个样本观测段中溶解氧浓度的预测值与实际观测值的近似程度，pt,k表示第i个样本观测段中达到ne,i所耗费的时间与实际观测值的近似程度；
计算子单元，用于依据所述负对数似然度函数，计算所述初步缺氧窒息动态变化预测模型的赤池信息准则数值
K表示待估计参数的个数；
参数确定子单元，用于将所述赤池信息准则数值最小时对应的第一待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第一待估计参数，将所述赤池信息准则数值最小时对应的第二待估计参数确定为所述初步缺氧窒息动态变化预测模型中的第二待估计参数。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810338862.3A CN108492055B (zh) | 2018-04-16 | 2018-04-16 | 一种基于鱼致死函数的鱼死亡风险确定方法及系统 |
| PCT/CN2018/097833 WO2019200774A1 (zh) | 2018-04-16 | 2018-08-01 | 一种基于鱼致死函数的鱼死亡风险确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810338862.3A CN108492055B (zh) | 2018-04-16 | 2018-04-16 | 一种基于鱼致死函数的鱼死亡风险确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108492055A CN108492055A (zh) | 2018-09-04 |
| CN108492055B true CN108492055B (zh) | 2020-09-11 |
Family
ID=63314556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810338862.3A Active CN108492055B (zh) | 2018-04-16 | 2018-04-16 | 一种基于鱼致死函数的鱼死亡风险确定方法及系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108492055B (zh) |
| WO (1) | WO2019200774A1 (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130206078A1 (en) * | 2010-05-18 | 2013-08-15 | Havforskiningsinstituttet | System and method for controlling feeding of farmed fish |
| CN104111315A (zh) * | 2014-07-30 | 2014-10-22 | 全峰正 | 太阳能渔场溶解氧检测仪 |
| CN105454144A (zh) * | 2015-11-25 | 2016-04-06 | 华南农业大学 | 一种黄颡鱼养殖水体富营养化预警方法及其应用 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2193710B1 (en) * | 2008-12-05 | 2014-04-09 | Patent 06-001 B.V. | Coating for lily bulbs |
| CN105600841B (zh) * | 2015-10-12 | 2018-01-09 | 湖州师范学院 | 一种水产养殖水质监控及净化处理方法 |
| CN105486828B (zh) * | 2015-11-28 | 2018-09-21 | 汪翔 | 养殖水产品的死亡监测方法 |
| CN105446138A (zh) * | 2015-12-16 | 2016-03-30 | 中国农业大学 | 水生生物养殖环境下的水质调节优化系统及方法 |
-
2018
- 2018-04-16 CN CN201810338862.3A patent/CN108492055B/zh active Active
- 2018-08-01 WO PCT/CN2018/097833 patent/WO2019200774A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130206078A1 (en) * | 2010-05-18 | 2013-08-15 | Havforskiningsinstituttet | System and method for controlling feeding of farmed fish |
| CN104111315A (zh) * | 2014-07-30 | 2014-10-22 | 全峰正 | 太阳能渔场溶解氧检测仪 |
| CN105454144A (zh) * | 2015-11-25 | 2016-04-06 | 华南农业大学 | 一种黄颡鱼养殖水体富营养化预警方法及其应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108492055A (zh) | 2018-09-04 |
| WO2019200774A1 (zh) | 2019-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Coutant | Temperature-oxygen habitat for freshwater and coastal striped bass in a changing climate | |
| Itsubo et al. | Lime2 | |
| Atkinson et al. | Possible effects of ocean acidification on coral reef biogeochemistry: topics for research | |
| US6056919A (en) | Method of sequestering carbon dioxide | |
| Haamer | Improving water quality in a eutrophied fjord system with mussel farming | |
| Wu et al. | Bioremediation using Gracilaria chouae co-cultured with Sparus macrocephalus to manage the nitrogen and phosphorous balance in an IMTA system in Xiangshan Bay, China | |
| WO2013191642A1 (en) | Mixotrophic method of aquaculture | |
| CN109101707B (zh) | 一种用于模拟浅水湖泊生态系统模型的方法 | |
| CN108668962B (zh) | 一种鱼类窒息死亡风险的确定方法及系统 | |
| CN107840459A (zh) | 一种具有水体生态修复功能的组合床系统 | |
| Gao et al. | Dissolved organic carbon from cultured kelp Saccharina japonica: production, bioavailability, and bacterial degradation rates | |
| Allanson et al. | Limnology and fisheries potential of Lake le Roux | |
| CN112784394A (zh) | 一种基于人工智能的生态养殖模拟系统 | |
| CN108492055B (zh) | 一种基于鱼致死函数的鱼死亡风险确定方法及系统 | |
| Atkinson et al. | The Biosphere 2 coral reef biome | |
| Smith et al. | Modelling estuarine stocking density for crustaceans using net ecosystem metabolism | |
| Kiirikki et al. | Linking the growth of filamentous algae to the 3D-ecohydrodynamic model of the Gulf of Finland | |
| De Wilde et al. | A large indoor tidal mud-flat ecosystem | |
| CN112806288B (zh) | 一种菲律宾蛤仔“斑马蛤2号”的浮筏养殖方法 | |
| Koue et al. | Numerical simulation for seasonal and inter-annual change of dissolved oxygen in lake biwa, Japan | |
| Harada et al. | ANALYSIS OF SEASONAL CHANGES IN WATER QUALITIES IN EUTROPHIC RESERVOIRS IN A FLAT LOW‐LYING AGRICULTURAL AREA USING AN ALGAE‐BASED ECOSYSTEM MODEL | |
| CN100377640C (zh) | 一种改善海水围塘生态环境的方法 | |
| Ali | Dissolved oxygen mass balance in aquaculture ponds | |
| Katrasov et al. | Estimation of bivalve mollusk plantation productivity based on simulation results | |
| Dong et al. | Aquaculture Ecosystem |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |