CN109520567A - 一种海水养殖水质预警方法 - Google Patents

Abstract

本申请属于物联网数据分析技术领域，特别是涉及一种海水养殖水质预警方法。现有的预警方法主要以支持向量机、多元判别分析、模糊综合评价以及神经网络为主，这几种预警方法已被应用在区域粮食安全、耕地资源安全、水厂水质指标预警和物流运输等很多领域，但是对于海水养殖水质的预警目前还没有相对成熟的研究和应用。本申请提供一种海水养殖水质预警方法，所述方法包括如下步骤：采集实时数据；对采集的实时数据进行异常值检测并进行预处理；预处理后的数据，采用多项式拟合法对数据进行趋势拟合及分析；分析变量间的相关程度；根据分析结果设立预警系统。可以对海水养殖水质进行预警。

Description

一种海水养殖水质预警方法

技术领域

本申请属于物联网数据分析技术领域，特别是涉及一种海水养殖水质预警方法。

背景技术

水质(water quality)水体质量的简称。它标志着水体的物理(如色度、浊度、臭味等)、化学(无机物和有机物的含量)和生物(细菌、微生物、浮游生物、底栖生物)的特性及其组成的状况。水质为评价水体质量的状况，规定了一系列水质参数和水质标准。如生活饮用水、工业用水和渔业用水等水质标准。

海水养殖是利用浅海、滩涂、港湾、围塘等海域进行饲养和繁殖海产经济动植物的生产方式，是人类定向利用海洋生物资源、发展海洋水产业的重要途径之一。随着社会经济的发展和人们生活水平的提高，海水养殖业逐渐受到人们的追捧。然而，海水养殖业的养殖质量和效益却容易受到环境的影响，导致养殖产品在质量上难以保证，例如自然或人为因素引发的水质恶化等，因此，需要对海水养殖水质指标预警，提前发现可能出现的水质问题。

现有的预警方法主要以支持向量机、多元判别分析、模糊综合评价以及神经网络为主，这几种预警方法已被应用在区域粮食安全、耕地资源安全、水厂水质指标预警和物流运输等很多领域，但是对于海水养殖水质的预警目前还没有相对成熟的研究和应用。

发明内容

1.要解决的技术问题

基于现有的预警方法主要以支持向量机、多元判别分析、模糊综合评价以及神经网络为主，这几种预警方法已被应用在区域粮食安全、耕地资源安全、水厂水质指标预警和物流运输等很多领域，但是对于海水养殖水质的预警目前还没有相对成熟的研究和应用，本申请提供了一种海水养殖水质预警方法。

2.技术方案

为了达到上述的目的，本申请提供了一种海水养殖水质预警方法，所述方法包括如下步骤：

步骤1、采集实时数据；

步骤2、对采集的实时数据进行异常值检测并进行预处理；

步骤3、预处理后的数据，采用多项式拟合法对数据进行趋势拟合及分析；

步骤4、分析变量间的相关程度；

步骤5、根据分析结果设立预警系统。

可选地，所述步骤1中采集实时数据包括通过传感器采集水质参数数据，然后通过2G/3G/4G协议进行传输，递送到数据收集硬件，收集硬件将收集到的溶解氧、PH值、水温和浊度数据通过2G/3G/4G协议递送到水产智能养殖在线监测平台，在平台上通过接口文档将数据下载下来，进行分析。

可选地，所述步骤2中的预处理包括对采集的实时数据进行归一化处理及缺失值填补。

可选地，所述步骤3中对数据进行趋势拟合及分析包括温度拟合、溶解氧拟合、PH拟合、浊度解释和变量相关性分析。

可选地，所述步骤4中分析变量间的相关程度采用皮尔森相关系数法。

可选地，所述传感器包括水温传感器、溶解氧传感器、PH值传感器及浊度传感器。

可选地，所述缺失值填补包括平均值填补法。

可选地，所述皮尔森相关系数法公式如下：

其中r为相关系数，n为样本量，x_k,Y_k分别为两个变量的第k个值，分别为两个变量的样本平均值，σ_x,σ_Y分别为两个变量的样本标准差。

3.有益效果

与现有技术相比，本申请提供的一种海水养殖水质预警方法的有益效果在于：

本申请提供的海水养殖水质预警方法，通过对数据中心传输过来的数据进行预处理，然后进行模型拟合及分析，最后针对分析结果进行预警系统设立；建模简单，预警准确度较高，可以对海水养殖水质进行预警。

附图说明

图1是本申请的一种海水养殖水质预警方法的数据采集流程图；

图2是本申请的一种海水养殖水质预警方法的温度拟合图；

图3是本申请的一种海水养殖水质预警方法的溶解氧拟合图；

图4是本申请的一种海水养殖水质预警方法的PH拟合图；

图5是本申请的一种海水养殖水质预警方法的相关性矩阵热力图。

具体实施方式

在下文中，将参考附图对本申请的具体实施例进行详细地描述，依照这些详细的描述，所属领域技术人员能够清楚地理解本申请，并能够实施本申请。在不违背本申请原理的情况下，各个不同的实施例中的特征可以进行组合以获得新的实施方式，或者替代某些实施例中的某些特征，获得其它优选的实施方式。

多项式拟合是用一个多项式展开去拟合包含数个分析格点的一小块分析区域中的所有观测点，得到观测数据的客观分析场。展开系数用最小二乘拟合确定。但此方法的区域多项式拟合并不稳定，当资料缺测时更是如此,而且会导致分析在拟合的各个区域之间不连续。

直接替代法(又称直接插值法)是最简单的数据同化方法，认为所有观测值都准确，将观测值直接替代对应点的模型地报量(模报值，观测点外的状态变量通过插值得到。该方法简单易行.但没有考虑观测数据自身的误差以及与模型状态变量之间的联系，会导致连续模报过程出现跳跃，使观测点外的模型交量只有靠模式内部自我调整，收敛效果不理想。

缺失值是指粗糙数据中由于缺少信息而造成的数据的聚类，分组，删失或截断。它指的是现有数据集中某个或某些属性的值是不完全的。数据挖掘所面对的数据不是特地为某个挖掘目的收集的，所以可能与分析相关的属性并未收集(或某段时间以后才开始收集)，这类属性的缺失不能用缺失值的处理方法进行处理，因为它们未提供任何不完全数据的信息，它和缺失某些属性的值有着本质的区别。

(1)针对海水养殖的温度、溶解氧、PH值及浊度4个环境变量直接进行预警分析，目前还没有相对成熟的方法及应用；

(2)现有研究方法没有考察温度、溶解氧、PH值及浊度4个变量之间是否存在相关性。

参见图1～5，本申请提供一种海水养殖水质预警方法，所述方法包括如下步骤：

步骤1、采集实时数据；

步骤2、对采集的实时数据进行异常值检测并进行预处理；

步骤3、预处理后的数据，采用多项式拟合法对数据进行趋势拟合及分析；

步骤4、分析变量间的相关程度；

步骤5、根据分析结果设立预警系统。

可选地，所述步骤1中采集实时数据包括通过传感器采集水质参数数据，然后通过2G/3G/4G协议进行传输，递送到数据收集硬件，也就是网关设备，网关设备将收集到的溶解氧、PH值、水温和浊度数据通过2G/3G/4G协议递送到水产智能养殖在线监测平台，在平台上通过接口文档将数据下载下来，进行分析。

可选地，所述步骤2中的预处理包括对采集的实时数据进行归一化处理及缺失值填补。

可选地，所述步骤3中对数据进行趋势拟合及分析包括温度拟合、溶解氧拟合、PH拟合、浊度解释和变量相关性分析。

可选地，所述步骤4中分析变量间的相关程度采用皮尔森相关系数法。

可选地，所述传感器包括水温传感器、溶解氧传感器、PH值传感器及浊度传感器。

可选地，所述缺失值填补包括平均值填补法。

可选地，所述皮尔森相关系数法公式如下：

其中r为相关系数，n为样本量，x_k,Y_k分别为两个变量的第k个值，分别为两个变量的样本平均值，σ_x,σ_Y分别为两个变量的样本标准差。

缺失值填补

在传输数据的过程中，会出现丢包的情况，造成所获得的数据有缺失值，我们需要填补缺失值以消除缺失值对拟合及预测带来的影响。

用的缺失值填补方法有均值、中位数、众数、随机数填补法等，由于海洋环境相对稳定，温度、溶解氧、PH以及浊度受短时间因素影响不显著，针对数据传输过程中短时间少量丢失的数据，本申请采用平均值填补法。

其中x_k为缺失值，x_k-1,x_k+1分别为缺失值前一个数据和后一个数据。

归一化处理

为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。指标采用式(2)归一化方法将其统一到某个变化范围内，归一化表达式如下：

其中X_ik,为第i个指标的第k个指标值及其归一化后的值，X_imin,X_imax分别为第i个指标的最小值和最大值。

趋势拟合及预测

为有效对海水养殖进行预警，对温度、溶解氧、PH以及浊度进行多项式拟合及预测，结合各变量的影响因素对拟合曲线进行解释分析。

温度拟合

按照数据处理公式(1)(2)对海水养殖的温度样本数据进行处理，然后对得到的数据进行多项式拟合，拟合得到4阶的多项式公式(3)：

y_k＝-1.60244×10^-14k⁴+1.44699×10^-10k³+1.0453×10^-7k²-0.00192849k+29.0758 (3)

其中k为数据序号，y_k为归一化后的第k个值的拟合值。

附图2为温度拟合图，根据图中的拟合曲线可以得出温度数据的趋势，再对预测值做反归一化处理，即可得到实际值。

影响水温的主要因素为大气温度，测试期间大气温度受台风天气的影响逐渐下降，台风过后大气温度逐渐上升，因此水温的拟合曲线呈先下降后上升的趋势。

溶解氧拟合

按照数据处理公式(1)(2)对海水养殖的溶解氧样本数据进行处理，然后对得到的数据进行多项式拟合，拟合得到3阶的多项式公式(4)：

z_k＝-5.43718×10^-10k³+4.77884×10^-6k²-0.00909k+8.83381 (4)

其中k为数据序号，z_k为归一化后的第k个值的拟合值。

附图3为溶解氧拟合图，根据图中的拟合曲线可以得出溶解氧数据的趋势，再对预测值做反归一化处理，即可得到实际值。

影响溶解氧的因素主要有3个，如下：

1)大气温度：一方面水温上升，水的粘度下降，液膜厚度减小，扩散系数提高，有利于氧的转移，因此水中的溶解氧浓度增大；另一方面水温上升，氧在水中的溶解度降低，因此水中溶解氧浓度减小。

2)氧气的分压：在其它因素一定时，水中溶解氧随水面上的氧分压的增大而增大。

3)光照：海水中含有藻类等水生植物，植物受光照影响进行光合作用释放氧气，水中溶解氧含量增高。

在每天的测试中，受早晚的光照影响，24小时的溶解氧呈先下降后上升的趋势；在整个测试期间，由于台风天气影响大气温度，造成溶解氧的拟合曲线先下降后上升。

溶解氧变化趋势与温度变化趋势一致，拟合图呈先凹后凸。

浊度解释

浊度数据计算原理是传感器上发射器发送红外光波，红外光波在传输过程中经过海水中的物质吸收、反射和散射后，有一部分透射光线能照射到180°方向的检测器上，计算检测器中透射光的强度可得出浊度。

在测试期间，海水中的海螺等生物间歇性的爬上传感器，发射器发送的红外光波被海螺阻挡，检测器无法接收到光波，造成计算的浊度偏高。

PH拟合

按照数据处理公式(1)(2)对海水养殖的PH样本数据进行处理，然后对得到的数据进行多项式拟合，拟合得到5阶的多项式公式(5)：

f_k＝-1.62606×10^-18k⁵-2.67983×10^-14k⁴-1.53573×10^-10k³+3.53871×10^-7k²-0.00279k+7.76721(5)

其中k为数据序号，f_k为归一化后的第k个值的拟合值。

附图4为PH拟合图，根据图中的拟合曲线可以得出温度数据的趋势，再对预测值做反归一化处理，即可得到实际值。

影响PH的因素为酸雨和污水流入，由于测试期间，这两个因素对海水养殖的PH影响较小，PH的拟合曲线为平稳的曲线。

变量相关性分析

为了进一步分析温度，溶解氧，PH和浊度四个主要环境变量的相关性，分别计算皮尔森相关系数。皮尔森相关系数是一种线性相关系数，用来反映两个变量线性相关程度的统计量。皮尔森相关系数公式如下：

其中r为相关系数，n为样本量，x_k,Y_k分别为两个变量的第k个值，分别为两个变量的样本平均值，σ_x,σ_Y分别为两个变量的样本标准差。

r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r<0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。r的值域等级解释如下表所示：

表1r的值域等级解释

计算皮尔森相关系数之后得到附图5：相关性矩阵热力图，从图中可以看出，温度与溶解氧相关性强，其他变量间相关性均为弱相关。

预警体系

(1)体系标准表

因自然或人为原因影响海水养殖地的水质因素很多，如大气温度、光照、气压、降雨等，水温、溶解氧、PH值和浊度四个指标受影响较大，其重要程度难以鉴定。鉴于此，我们遵循客观性、多角度、可行性、有效性、科学性、定性与定量相结合的原则，参考现有研究结果，结合监测点的实际情况，构建了海水养殖主要水质预警指标体系，对水质预警警度划分为三级级：低级预警、中级预警、高级预警，如下表所示：

表2海水养殖水质预警指标及警度划分

根据养殖基地给出的相关指标，溶解氧最适宜值为3ppm，PH最适宜值为7.6～8，浊度最适宜值为35～50cm，对海参来说，温度适宜值为25～30℃；对石斑鱼来说，温度适宜值为25℃。

(2)实验验证

选取放置于海水养殖基地的网关A作为研究对象，网关A包括温度、溶解氧、PH值及浊度等4个传感器，以这四个指标作为分析对象，4个传感器传感器传输数据时间间隔为每2分钟一次，2018年9月11日～9月12日，期间水温、溶解氧、PH值和浊度的数据为例。如下表3所示为每日四个指标的数据及预警。

表3每日4个指标的数据及预警

如上表所示，在9月11日～9月12日，水温存在低级预警，浊度存在高级预警和低级预警。

本申请提供的海水养殖水质预警方法，通过对数据中心传输过来的数据进行预处理，然后进行模型拟合及分析，最后针对分析结果进行预警系统设立；建模简单，预警准确度较高，可以对海水养殖水质进行预警。

尽管在上文中参考特定的实施例对本申请进行了描述，但是所属领域技术人员应当理解，在本申请公开的原理和范围内，可以针对本申请公开的配置和细节做出许多修改。本申请的保护范围由所附的权利要求来确定，并且权利要求意在涵盖权利要求中技术特征的等同物文字意义或范围所包含的全部修改。

Claims (8)

1.一种海水养殖水质预警方法，其特征在于：所述方法包括如下步骤：

步骤1、采集实时数据；

步骤2、对采集的实时数据进行异常值检测并进行预处理；

步骤3、预处理后的数据，采用多项式拟合法对数据进行趋势拟合及分析；

步骤4、分析变量间的相关程度；

步骤5、根据分析结果设立预警系统。

2.如权利要求1所述的海水养殖水质预警方法，其特征在于：所述步骤1中采集实时数据包括通过传感器采集水质参数数据，然后通过2G/3G/4G协议进行传输，递送到数据收集硬件，收集硬件将收集到的溶解氧、PH值、水温和浊度数据通过2G/3G/4G协议递送到水产智能养殖在线监测平台，在平台上通过接口文档将数据下载下来，进行分析。

3.如权利要求1所述的海水养殖水质预警方法，其特征在于：所述步骤2中的预处理包括对采集的实时数据进行归一化处理及缺失值填补。

4.如权利要求1所述的海水养殖水质预警方法，其特征在于：所述步骤3中对数据进行趋势拟合及分析包括温度拟合、溶解氧拟合、PH拟合、浊度解释和变量相关性分析。

5.如权利要求1所述的海水养殖水质预警方法，其特征在于：所述步骤4中分析变量间的相关程度采用皮尔森相关系数法。

6.如权利要求2所述的海水养殖水质预警方法，其特征在于：所述传感器包括水温传感器、溶解氧传感器、PH值传感器及浊度传感器。

7.如权利要求3所述的海水养殖水质预警方法，其特征在于：所述缺失值填补包括平均值填补法。

8.如权利要求5所述的海水养殖水质预警方法，其特征在于：所述皮尔森相关系数法公式如下：

其中r为相关系数，n为样本量，x_k,Y_k分别为两个变量的第k个值，分别为两个变量的样本平均值，σ_x,σ_Y分别为两个变量的样本标准差。