CN109934370B - 一种鱼类存活率预测方法及装置 - Google Patents
一种鱼类存活率预测方法及装置 Download PDFInfo
- Publication number
- CN109934370B CN109934370B CN201711354609.9A CN201711354609A CN109934370B CN 109934370 B CN109934370 B CN 109934370B CN 201711354609 A CN201711354609 A CN 201711354609A CN 109934370 B CN109934370 B CN 109934370B
- Authority
- CN
- China
- Prior art keywords
- fish
- survival rate
- preset time
- temperature
- time range
- 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
- 230000004083 survival effect Effects 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 41
- 241000251468 Actinopterygii Species 0.000 claims abstract description 245
- 239000008280 blood Substances 0.000 claims abstract description 115
- 210000004369 blood Anatomy 0.000 claims abstract description 107
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 32
- 239000008103 glucose Substances 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 abstract description 11
- 238000012821 model calculation Methods 0.000 abstract description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Processing Of Meat And Fish (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种鱼类存活率预测方法及装置,该方法包括采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;根据预设时间范围内鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型。本发明利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型,对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。本发明降低了模型计算的难度和操作难度,实现存活率的快速获取,降低了时间成本,提高了工作效率。
Description
技术领域
本发明涉及水产品检测技术领域,特别涉及一种鱼类存活率预测方法及装置。
背景技术
随着人们生活水平的提高,鱼类因富含蛋白质等人类所需重要营养物质而普遍存在于人们的餐桌上。这要求市场保证充足的供应量,但是不同种类的鱼其对生存环境有一定的要求,所以主要供应来源于沿海城市和其他养殖户,在大部分地区难以做到现卖现捞,这就需要将鱼类进行大量运输和在销售点的暂存,但是无论是在运输中,还是在暂养中,鱼类因为环境的改变极易发生死亡,所以需要对其存活的状态进行监测,以便及时销售或处理,降低经济成本,提高营养价值和运输效率。
目前,关于生物存活率的方法主要集中于利用数据预测模型,如人工神经网络、时间序列等方法进行预测,但模型的构建需要大量的基础数据作为训练样本,并且对于不同环境的适应性差,往往环境发生改变时,需要重新建立模型,且预测模型的精度决定了获取到的存活率的准确性。为了得到较高精度的模型需要采集多种类型的数据进行综合分析,成本高,操作复杂。
发明内容
本发明为解决传统技术成本高,操作复杂的缺陷,提供一种鱼类存活率预测方法及装置。
一方面,本发明提供一种鱼类存活率预测方法,包括:
S1,采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
S2,根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
S3,根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
S4,根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型。
其中,所述S1中,所述采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括:
按时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据,构成温度、鱼类血糖和鱼类存活率各自的时间序列。
其中,所述S2中,所述根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率具体包括:
利用下式计算鱼类参考存活率:
其中,是参考存活率;Yj是预设时间范围内存活率的第j个值,n是预设时间范围内存活率的个数,/>是预设时间范围内的所有数据求和。
其中,所述S3中,所述根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数具体包括:
S31,根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列;
S32,根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列;
S33,根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数。
其中,所述S31中,所述根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列具体包括:
利用下式计算预设时间范围内各时刻的血糖波动值,整合为血糖波动值的时间序列;
式中,S是预设时间范围内血糖值的标准差,是预设时间范围内内血糖的平均值,Xj是预设时间范围内第j个血糖值,Xj'是预设时间范围内第j个血糖值对应的波动值。
其中,所述S32中,所述根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列具体包括:
根据预设公差d将温度的时间序列划分为M个温度区间,并将M个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列;
获取各温度区间内血糖波动的最小值,并利用所述温度-血糖波动值的时间序列,将与血糖波动的最小值对应的温度作为该区间的最佳温度To;
将M个区间的最佳温度进行整合构成最佳温阶序列T0(j)(j=1,2,3...M)。
其中,所述S33中,所述根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数具体包括:
根据预设时间范围内最佳温阶序列以及温度的时间序列,利用下式计算鱼类的存活率调整系数;
式中,n是预设时间范围内采集的温度值的个数,Tr(j)表示预设时间范围内第j个实际环境温度值,T0(j)是Tr(j)对应的温度区间内的最佳温度值,SR是鱼类的存活率调整系数。
其中,所述S4中,所述鱼类动态存活率模型为:
式中,是参考存活率,SR是鱼类的存活率调整系数。
另一方面,本发明还提供一种鱼类存活率预测装置,包括:
采集模块,用于采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
第一计算模块,用于根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
第二计算模块,用于根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
数据处理模块,用于根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型,并获取预设时间范围内鱼类动态存活率。
其中,鱼类存活率预测装置还包括:
人机交互模块,用于预先设置时间范围,并显示采集模块采集的数据以及数据处理模块获取的动态存活率;
数据传输模块,用于利用无线传输技术将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或PC端;
供电模块,用于为鱼类存活率预测装置供电。
本发明提供的鱼类存活率预测方法及装置,利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型,对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本,成本高,操作复杂相比,本发明降低了模型计算的难度和操作难度,实现存活率的快速获取,降低了时间成本,提高了工作效率。
附图说明
图1为根据本发明实施例提供的鱼类存活率预测方法步骤流程示意图;
图2为根据本发明实施例提供的鱼类存活率预测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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地描述,显然,所描述的实施例是本发明一模块实施例,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。
图1为根据本发明实施例提供的鱼类存活率预测方法步骤流程示意图,如图1所示,本实施例提供的鱼类存活率预测方法包括:
S1,采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
具体地,由于市场需求和不同鱼类对环境的要求不一致导致不同鱼类的贮藏环境不同,或者同一种鱼类的实际贮藏环境不一样,其存活率也会出现差异。本实施例按照时间顺序获取各时刻贮藏环境的温度、鱼类血糖及存活率构建鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列。
S2,根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
对预设时间范围内鱼类存活率的时间序列进行处理,获取预设时间范围内的鱼类参考存活率。本实施例中,对预设时间范围内的时间序列中各个时刻的鱼类存活率求平均值,获得鱼类参考存活率。
S3,根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
选取与鱼类的存活率有关的鱼类血糖的时间序列和温度的时间序列,进行分析处理,获取预设时间范围内鱼类的存活率调整系数。将鱼类的存活率与鱼类血糖和环境温度相联系,提高了预测方法的泛化能力和预测精度。
S4,根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型。
利用上述步骤获得的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型,得到不同时刻鱼类的动态存活率,能够对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。
本发明实施例提供的鱼类存活率预测方法,利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型,对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本,成本高,操作复杂相比,本发明降低了模型计算的难度和操作难度,实现存活率的快速获取,降低了时间成本,提高了工作效率。
在本发明的一个优选实施例中,采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括:
按照时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据,构成温度、鱼类血糖和鱼类存活率各自的时间序列。
具体地,采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据,构成温度、鱼类血糖和鱼类存活率各自的时间序列,分别对应温度变化时间序列Ti(i=1,2,...,t),血糖的变化时间序列Xi(i=1,2,...,t),鱼的存活率Yi(i=1,2,...,t)。将鱼类存活率看作鱼类贮藏环境中温度变化和血糖变化多因素复合作用的结果,提高了鱼类存活率预测预测方法的泛化能力和预测精度。
在本发明的一个优选实施例中,根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率具体包括:
利用下式计算鱼类参考存活率:
其中,是参考存活率;Yj是预设时间范围内存活率的第j个值,n是预设时间范围内存活率的个数,/>是预设时间范围内的所有数据求和。
在本发明的一个优选实施例中,根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数具体包括:
S31,根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列;
具体地,利用下式计算预设时间范围内各时刻的血糖波动值,整合为血糖波动值的时间序列;
式中,S是预设时间范围内血糖值的标准差,是预设时间范围内内血糖的平均值,Xj是预设时间范围内第j个血糖值,Xj'是预设时间范围内第j个血糖值对应的波动值。
S32,根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列;
进一步地,根据预设公差d将温度的时间序列划分为M个温度区间,并将M个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列;
获取各温度区间内血糖波动的最小值,并利用所述温度-血糖波动值的时间序列,将与血糖波动的最小值对应的温度作为该区间的最佳温度To;
将M个区间的最佳温度进行整合构成最佳温阶序列T0(j)(j=1,2,3...M)。
S33,根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数。
由于存活率的大小易受到温度的影响,而温度的大小受到环境的影响会产生较大的波动,因此根据预设时间范围内的最佳温阶序列以及温度的时间序列,得到存活率的调整系数。利用下式计算调整系数:
式中,n是预设时间范围内采集的温度值的个数,Tr(j)表示预设时间范围内第j个实际环境温度值,T0(j)是Tr(j)对应的温度区间内的最佳温度值,SR是鱼类的存活率调整系数。
本实施例利用鱼类贮藏环境中温度和血糖变化来获取鱼类的存活率调整系数,为建立鱼类动态存活率模型做准备。
在本发明的一个优选实施例中,鱼类动态存活率模型为:
式中,是参考存活率,SR是鱼类的存活率调整系数。
根据S2中计算获得的鱼类参考存活率和S3中计算获得的鱼类存活率调整系数,鱼类动态存活率模型的变量为S1采集的鱼类贮藏环境中的温度和鱼类血糖数据,因此,通过鱼类动态存活率模型可以动态地获得预设时间范围内各个时刻的鱼类存活率。
本实施例利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型,对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本,成本高,操作复杂相比,本发明降低了模型计算的难度和操作难度,实现存活率的快速获取,降低了时间成本,提高了工作效率。
图2为根据本发明实施例提供的鱼类存活率预测装置的结构示意图,如图2所示,该装置包括采集模块201、第一计算模块202、第二计算模块203和数据处理模块204,其中:
采集模块201用于采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
第一计算模块202用于根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
第二计算模块203用于根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
数据处理模块204用于根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型,并获取预设时间范围内鱼类动态存活率。
本发明提供的鱼类存活率预测装置,利用鱼类贮藏环境中温度和血糖变化来获取动态存活率模型,对鱼类存活率的状态进行监测,以便及时销售或处理,提高了经济效益。与传统生物存活率预测采用人工神经网络构建需要大量的基础数据作为训练样本,成本高,操作复杂相比,本发明降低了模型计算的难度和操作难度,实现存活率的快速获取,降低了时间成本,提高了工作效率。
在本发明的一个优选实施例中,鱼类存活率预测装置还包括:
人机交互模块,用于预先设置时间范围,并显示采集模块采集的数据以及数据处理模块获取的动态存活率;
通过人机交互模块,能够预先设置任意时间范围,为满足不同的监测要求,通过自由的预设时间范围,对不同精度需求的鱼类存活率进行获取;上述鱼类存活率预测方法均针对采集的预设时间范围内的温度、鱼类血糖值及鱼类存活率数据进行处理。
数据传输模块,用于利用无线传输技术将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或PC端;
其中,本实施例中无线传输技术包括GPRS、WIFI、蓝牙。数据传输模块将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或PC端,以供人们在移动设备或PC端查看数据。
供电模块,用于为鱼类存活率预测装置供电。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然能够对前述各个实施例所记载的技术方案进行修改,或者对其中模块技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各个实施例技术方案的精神和范围。
Claims (2)
1.一种鱼类存活率预测方法,其特征在于,包括:
S1,采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
S2,根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
S3,根据预设时间范围内的鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
S4,根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型;
所述S2中,所述根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率具体包括:
利用下式计算鱼类参考存活率:
其中,是参考存活率;Yj是预设时间范围内存活率的第j个值,n是预设时间范围内存活率的个数,/>是预设时间范围内的所有数据求和;
所述S3中,所述根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数具体包括:
S31,根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列;
S32,根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列;
S33,根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数;
所述S31中,所述根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列具体包括:
利用下式计算预设时间范围内各时刻的血糖波动值,整合为血糖波动值的时间序列;
式中,S是预设时间范围内血糖值的标准差,是预设时间范围内内血糖的平均值,Xj是预设时间范围内第j个血糖值,Xj'是预设时间范围内第j个血糖值对应的波动值;
所述S1中,所述采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括:
按时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据,构成温度、鱼类血糖和鱼类存活率各自的时间序列;
所述S32中,所述根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列具体包括:
根据预设公差d将温度的时间序列划分为M个温度区间,并将M个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列;
获取各温度区间内血糖波动的最小值,并利用所述温度-血糖波动值的时间序列,将与血糖波动的最小值对应的温度作为该区间的最佳温度To;
将M个区间的最佳温度进行整合构成最佳温阶序列T0(j)(j=1,2,3...M);
由于不同鱼类对环境的要求不一致导致不同鱼类的贮藏环境不同,或者同一种鱼类的实际贮藏环境不一样,鱼类存活率也会出现差异;
所述S33中,所述根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数具体包括:
根据预设时间范围内最佳温阶序列以及温度的时间序列,利用下式计算鱼类的存活率调整系数;
式中,n是预设时间范围内采集的温度值的个数,Tr(j)表示预设时间范围内第j个实际环境温度值,T0(j)是Tr(j)对应的温度区间内的最佳温度值,SR是鱼类的存活率调整系数;
所述S4中,所述鱼类动态存活率模型为:
式中,是参考存活率,SR是鱼类的存活率调整系数。
2.一种鱼类存活率预测装置,其特征在于,包括:
采集模块,用于采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列;
第一计算模块,用于根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率;
第二计算模块,用于根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数;
数据处理模块,用于根据预设时间范围内的鱼类参考存活率以及鱼类的存活率调整系数,建立鱼类动态存活率模型,并获取预设时间范围内鱼类动态存活率;
人机交互模块,用于预先设置时间范围,并显示采集模块采集的数据以及数据处理模块获取的动态存活率;
数据传输模块,用于利用无线传输技术将采集模块采集的数据以及数据处理模块获取的动态存活率传输到移动设备或PC端;
供电模块,用于为鱼类存活率预测装置供电;
所述根据预设时间范围内鱼类存活率的时间序列,计算预设时间范围内的鱼类参考存活率具体包括:
利用下式计算鱼类参考存活率:
其中,是参考存活率;Yj是预设时间范围内存活率的第j个值,n是预设时间范围内存活率的个数,/>是预设时间范围内的所有数据求和;
所述根据预设时间范围内所述鱼类血糖的时间序列和温度的时间序列,分析获取预设时间范围内鱼类的存活率调整系数具体包括:
根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列;
根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列;
根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数;
所述根据预设时间范围内鱼类血糖的时间序列,计算预设时间范围内血糖波动值的时间序列具体包括:
利用下式计算预设时间范围内各时刻的血糖波动值,整合为血糖波动值的时间序列;
式中,S是预设时间范围内血糖值的标准差,是预设时间范围内内血糖的平均值,Xj是预设时间范围内第j个血糖值,Xj'是预设时间范围内第j个血糖值对应的波动值;
所述采集鱼类贮藏环境中的温度、鱼类血糖和鱼类存活率各自的时间序列包括:
按时间顺序采集鱼类贮藏环境中同时刻的温度、鱼类血糖和鱼类存活率数据,构成温度、鱼类血糖和鱼类存活率各自的时间序列;
所述根据所述预设时间范围内血糖波动值的时间序列以及温度的时间序列,获取最佳温阶序列具体包括:
根据预设公差d将温度的时间序列划分为M个温度区间,并将M个温度区间内温度的时间序列和血糖波动值的时间序列按照时间顺序排列构成温度-血糖波动值的时间序列;
获取各温度区间内血糖波动的最小值,并利用所述温度-血糖波动值的时间序列,将与血糖波动的最小值对应的温度作为该区间的最佳温度To;
将M个区间的最佳温度进行整合构成最佳温阶序列T0(j)(j=1,2,3...M);
由于不同鱼类对环境的要求不一致导致不同鱼类的贮藏环境不同,或者同一种鱼类的实际贮藏环境不一样,鱼类存活率也会出现差异;
所述根据预设时间范围内最佳温阶序列以及温度的时间序列,计算预设时间范围内鱼类的存活率调整系数具体包括:
根据预设时间范围内最佳温阶序列以及温度的时间序列,利用下式计算鱼类的存活率调整系数;
式中,n是预设时间范围内采集的温度值的个数,Tr(j)表示预设时间范围内第j个实际环境温度值,T0(j)是Tr(j)对应的温度区间内的最佳温度值,SR是鱼类的存活率调整系数;
所述鱼类动态存活率模型为:
式中,是参考存活率,SR是鱼类的存活率调整系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711354609.9A CN109934370B (zh) | 2017-12-15 | 2017-12-15 | 一种鱼类存活率预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711354609.9A CN109934370B (zh) | 2017-12-15 | 2017-12-15 | 一种鱼类存活率预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934370A CN109934370A (zh) | 2019-06-25 |
CN109934370B true CN109934370B (zh) | 2024-03-05 |
Family
ID=66980588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711354609.9A Active CN109934370B (zh) | 2017-12-15 | 2017-12-15 | 一种鱼类存活率预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934370B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003116488A (ja) * | 2001-10-06 | 2003-04-22 | Towa Chem Ind Co Ltd | 冷凍魚肉フィレー及びその品質改良方法 |
JP2010029399A (ja) * | 2008-07-29 | 2010-02-12 | National Agriculture & Food Research Organization | 血糖値非侵襲測定法 |
KR20140004389A (ko) * | 2012-07-02 | 2014-01-13 | 강원대학교산학협력단 | 혈당치 예측 방법, 이를 적용한 혈당치 예측 장치 그리고 이를 구비하는 유산소 운동 기기 |
CN103995965A (zh) * | 2014-05-14 | 2014-08-20 | 东南大学 | 一种基于微生物预测模型的货架期预警系统及方法 |
CN104200068A (zh) * | 2014-08-12 | 2014-12-10 | 上海海洋大学 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
CN105626573A (zh) * | 2015-12-24 | 2016-06-01 | 江苏大学 | 一种基于鱼存活率预测的鱼类友好型轴流泵的设计方法 |
CN106296437A (zh) * | 2016-09-05 | 2017-01-04 | 华中农业大学 | 一种活鱼运输信息系统、建立方法及应用 |
CN106376511A (zh) * | 2016-09-05 | 2017-02-08 | 华中农业大学 | 一种基于被动声学信息的淡水鱼存活率预测装置及方法 |
KR101755255B1 (ko) * | 2015-04-30 | 2017-07-07 | 연세대학교 원주산학협력단 | 저대사 유도용 조성물, 저대사 유도방법 및 그 기술을 이용한 어류 운송방법 |
CN106980746A (zh) * | 2016-12-16 | 2017-07-25 | 清华大学 | 一种基于时序分析的通用无创血糖预测方法 |
KR20170102836A (ko) * | 2017-08-22 | 2017-09-12 | 주식회사 티에스 | 활어운반차의 수조 |
CN107203700A (zh) * | 2017-07-14 | 2017-09-26 | 清华-伯克利深圳学院筹备办公室 | 一种基于连续血糖监测的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8507025B2 (en) * | 2010-02-05 | 2013-08-13 | Rupca, LLC | Energy supplement for ruminant animals |
JP5698860B1 (ja) * | 2014-08-22 | 2015-04-08 | 株式会社アールファイブ | 在庫管理システム、在庫管理方法、及びプログラム |
-
2017
- 2017-12-15 CN CN201711354609.9A patent/CN109934370B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003116488A (ja) * | 2001-10-06 | 2003-04-22 | Towa Chem Ind Co Ltd | 冷凍魚肉フィレー及びその品質改良方法 |
JP2010029399A (ja) * | 2008-07-29 | 2010-02-12 | National Agriculture & Food Research Organization | 血糖値非侵襲測定法 |
KR20140004389A (ko) * | 2012-07-02 | 2014-01-13 | 강원대학교산학협력단 | 혈당치 예측 방법, 이를 적용한 혈당치 예측 장치 그리고 이를 구비하는 유산소 운동 기기 |
CN103995965A (zh) * | 2014-05-14 | 2014-08-20 | 东南大学 | 一种基于微生物预测模型的货架期预警系统及方法 |
CN104200068A (zh) * | 2014-08-12 | 2014-12-10 | 上海海洋大学 | 一种用tba建立河鲫鱼货架期预测模型的方法 |
KR101755255B1 (ko) * | 2015-04-30 | 2017-07-07 | 연세대학교 원주산학협력단 | 저대사 유도용 조성물, 저대사 유도방법 및 그 기술을 이용한 어류 운송방법 |
CN105626573A (zh) * | 2015-12-24 | 2016-06-01 | 江苏大学 | 一种基于鱼存活率预测的鱼类友好型轴流泵的设计方法 |
CN106296437A (zh) * | 2016-09-05 | 2017-01-04 | 华中农业大学 | 一种活鱼运输信息系统、建立方法及应用 |
CN106376511A (zh) * | 2016-09-05 | 2017-02-08 | 华中农业大学 | 一种基于被动声学信息的淡水鱼存活率预测装置及方法 |
CN106980746A (zh) * | 2016-12-16 | 2017-07-25 | 清华大学 | 一种基于时序分析的通用无创血糖预测方法 |
CN107203700A (zh) * | 2017-07-14 | 2017-09-26 | 清华-伯克利深圳学院筹备办公室 | 一种基于连续血糖监测的方法及装置 |
KR20170102836A (ko) * | 2017-08-22 | 2017-09-12 | 주식회사 티에스 | 활어운반차의 수조 |
Non-Patent Citations (3)
Title |
---|
Survival prediction system for waterless live Chinese Sturgeon transportation based on temperature related glucose changes;Yongjun Zhang等;《J Food Process Eng》;20171119;第1-11页 * |
力学模型预测安康鱼鱼片不同温度保藏下的货架期;余丹丹;方旭波;郭岳龙;陈小娥;余辉;;食品工业;20160831(第08期);全文 * |
动力学模型预测鲳鱼货架寿命的实验研究;佟懿;谢晶;;食品科学;20090531(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109934370A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN203101933U (zh) | 基于物联网的水产养殖水质在线监控系统 | |
Hwang et al. | A wireless sensor network-based ubiquitous paprika growth management system | |
CN108507625B (zh) | 一种整合物联网的水体浮游生物智能监测平台和方法 | |
CN107341577A (zh) | 一种农作物产量预测方法及系统 | |
CN103944977A (zh) | 基于可穿戴设备的云健康信息管理系统及方法 | |
CN203117769U (zh) | 一种基于wsn技术的密闭型智能植物工厂监控管理系统 | |
CN105630045A (zh) | 一种智能养花系统和方法 | |
CN108830741A (zh) | 一种农田环境智能监测系统 | |
CN106920123B (zh) | 一种基于机器学习和物联网的餐厅数据分析系统 | |
CN106649442A (zh) | 一种植物生长查询系统以及植物生长查询方法 | |
CN103336509A (zh) | 小麦四情监控调度系统 | |
CN109934370B (zh) | 一种鱼类存活率预测方法及装置 | |
CN205449792U (zh) | 一种水质采样装置及其监测系统 | |
Lin et al. | The Construction of a Precise Agricultural Information System Based on Internet of Things. | |
CN204595456U (zh) | 一种基于物联网的鱼类养殖环境监控系统 | |
CN201218739Y (zh) | 基于掌上电脑的农田数据采集装置 | |
CN203386063U (zh) | 水产养殖环境智能监控系统 | |
CN112581302A (zh) | 一种农业物联管理监测系统 | |
Wannee et al. | A Flexible Water Monitoring System for Pond Aquaculture | |
CN104764492A (zh) | 农作物远程精准植保诊断方法和装置 | |
CN106441445A (zh) | 一种分立式养殖水质检测方法 | |
CN103529795A (zh) | 用于鲜活水产品的物流监控设备及监控方法 | |
CN110309960A (zh) | 一种大数据智能分析预测系统 | |
CN104346169B (zh) | 一种流程对象原始数据时序发现与调整方法 | |
CN111766270B (zh) | 一种水产生物产量监测系统和监测方法 |
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 |