CN116228455B - 一种叶尔羌高原鳅流水养殖试验数据处理方法 - Google Patents
一种叶尔羌高原鳅流水养殖试验数据处理方法 Download PDFInfo
- Publication number
- CN116228455B CN116228455B CN202310517277.0A CN202310517277A CN116228455B CN 116228455 B CN116228455 B CN 116228455B CN 202310517277 A CN202310517277 A CN 202310517277A CN 116228455 B CN116228455 B CN 116228455B
- Authority
- CN
- China
- Prior art keywords
- data
- weight
- water temperature
- dissolved oxygen
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 title claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 250
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 193
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 193
- 239000001301 oxygen Substances 0.000 claims abstract description 193
- 230000008859 change Effects 0.000 claims abstract description 73
- 241000251468 Actinopterygii Species 0.000 claims abstract description 57
- 241000685317 Triplophysa Species 0.000 claims abstract description 34
- 241000252185 Cobitidae Species 0.000 claims abstract description 18
- 230000011218 segmentation Effects 0.000 claims description 48
- 230000037396 body weight Effects 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 23
- 238000010606 normalization Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000037406 food intake Effects 0.000 description 3
- 235000012631 food intake Nutrition 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- ODINCKMPIJJUCX-UHFFFAOYSA-N Calcium oxide Chemical compound [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 241000255789 Bombyx mori Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 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
- 235000012255 calcium oxide Nutrition 0.000 description 1
- 239000000292 calcium oxide Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004634 feeding behavior Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Mining & Mineral Resources (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Zoology (AREA)
- Biodiversity & Conservation Biology (AREA)
- Agronomy & Crop Science (AREA)
- Farming Of Fish And Shellfish (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用于电子数字数据处理技术领域,具体涉及一种叶尔羌高原鳅流水养殖试验数据处理方法,包括:因为水的溶氧量与水温是影响鱼生长的关键因素,并且溶氧量与水温变化又是呈现正相关关系的,因此通过数据拟合,将双变量影响因素转化为单变量影响因素,即对叶尔羌高原鳅的最佳投喂量。本发明通过数据拟合能够获得叶尔羌高原鳅生长情况随环境变化的规律,减小计算并后根据拟合数据的变化来获得最佳投喂量,智能化流水养殖叶尔羌高原鳅。
Description
技术领域
本发明涉及电子数字数据处理技术领域,具体涉及一种叶尔羌高原鳅流水养殖试验数据处理方法。
背景技术
叶尔羌高原鳅,鳅科高原鳅属的一种鱼类,仅分布于我国新疆南部的塔里木河水系。有胡须、无鱼鳞、杂食性鱼类,大多数只有手指粗。叶尔羌高原鳅是一种性格比较倔强的鱼,因为它对水中溶解氧的要求很高,并且其生长情况因为季节水温的变化会产生较大的影响,并且该鱼人工培育的成活率较低,其对生长环境的要求比较苛刻,由于幼体生长性状明显,优势显著,所以投喂量一定要多次少量,以防食物过量坏水或是不够而出现蚕食行为,影响鱼的正常生长。因此通过对叶尔羌高原鳅流水养殖获得的试验数据进行分析,根据叶尔羌高原鳅在不同的季节因为环境的变化对其生长产生的影响,来获得不同季节的最佳投喂量。
在现有技术中,主要是根据养殖工作人员的经验来对鱼进行投喂的,会容易造成投喂量不够或过多,不利于鱼的生长。
发明内容
本发明提供一种叶尔羌高原鳅流水养殖试验数据处理方法,以解决现有的问题。
本发明的一种叶尔羌高原鳅流水养殖试验数据处理方法采用如下技术方案:
本发明一个实施例提供了一种叶尔羌高原鳅流水养殖试验数据处理方法,该方法包括以下步骤:
获取不同时间的鱼苗的体重和体长以及鱼苗所在水域的溶氧量和水温数据,根据水温数据中的数据点的斜率获得数据分割点,并利用数据分割点对水温数据、溶氧量数据、体重数据以及体长数据进行划分获得若干个水温、溶氧量、体重以及体长数据的数据分段区间和分段数据;
根据任意溶氧量分段数据中相邻溶氧量数据点之间的差异获得第一溶氧量权重因子;
将任意体重和体长分段数据在任意相对应时间下体重和体长之间的比例关系记为第一比值,将第一比值所在数据分段区间中的下一个时间所对应鱼苗体重和体长之间的比例关系记为第二比值,根据第一比值和第二比值之间的差异获得生长改变量;
根据生长改变量和第一溶氧量权重因子获得第二溶氧量权重因子,将第二溶氧量权重因子的均值记为溶氧量权重;
将溶氧量与温度的比值记为归一化因子,根据归一化因子对相邻水温数据点之间差异的校正结果获得第一水温权重因子,根据生长改变量和第一水温权重因子获得第二水温权重因子,将第二水温权重因子的均值记为水温权重;
根据溶氧量权重对溶氧量数据点的校正获得第一生长曲线因子,根据归一化因子和水温权重对水温数据点的校正获得第二生长曲线因子,将第一生长曲线因子和第二生长曲线因子的均值记为生长环境曲线;
将生长环境曲线中相邻数据点之间的差异记为第一投喂量因子,将第一投喂量因子与生长改变量之间的比例关系记为第二投喂量因子,根据第二投喂因子对最大投食量的调节结果获得最佳投喂量;
利用获取的最佳投喂量实现智能化流水养殖。
进一步的,所述数据分段区间和分段数据,获取方法如下:
第i个水温数据点同时满足如下两个条件时,将第i个水温数据点记为数据分割点:
式中,表示第i个水温数据点的斜率,表示第i+1个水温数据点的斜率,
表示第i+t个水温数据点的斜率;
利用获取的数据分割点将体重数据、体长数据、水温数据以及溶氧量数据分别进行划分,获得若干个体重数据分段区间、体长数据分段区间、水温数据分段区间以及溶氧量数据分段区间,每个分段区间都对应一个体重分段数据、体长分段数据、水温分段数据以及溶氧量分段数据。
进一步的,所述第二溶氧量权重因子,获取方法如下:
式中,表示溶氧量权重,表示第j个溶氧量分段数据的第i+1个溶氧量
数据点,表示第j个溶氧量分段数据的第i个溶氧量数据点,表示第j个体重分段
数据的第i+1个体重数据点,表示第j个体重分段数据的第i个体重数据点,表示第
j个体长分段数据的第i+1个体长数据点,表示第j个体长分段数据的第i个体长数据点;
第一溶氧量权重因子表示在第j个数据分段区间中第i+1个溶氧量
数据点与第i个溶氧量数据点之间的差异,第一比值、第二比值分别表示叶尔羌高
原鳅的第j个体重分段数据和体长分段数据中第i个或第i+1个体重与身高数据点的比值,表示相邻时间节点鱼的生长改变量,第二溶氧量权重因子表示在第j个数据分
段区间中第i+1个溶氧量数据点与第i个溶氧量数据点对鱼生长的影响程度。
进一步的,所述溶氧量权重,获取方法如下:
式中,表示第j个分段数据的数据点数量,m表示对体重数据、体长数据、水温数
据以及溶氧量数据分别划分的数据分段区间数量,表示在第j个数据分段区间中第i个溶
氧量数据点的第二溶氧量权重因子。
进一步的,所述第二水温权重因子,获取方法如下:
式中,表示水温的权重,表示第j个水温分段数据的第i+1个水温数据点,第j个水温分段数据的第i个水温数据点,表示溶氧量数据中数值最小的溶氧量数
据点,表示水温数据中数值最小的水温数据点,表示第j个体重分段数据的第i+1
个体重数据点,表示第j个体重分段数据的第i个体重数据点,表示第j个体长分段
数据的第i+1个体长数据点,表示第j个体长分段数据的第i个体长数据点,归一化因子表示对水温数据点相对于溶氧量数据点的归一化处理;
生长改变量表示第j个体重和体长分段数据中第i+1个体重和体长数据
点比值以及第i个体重和体长数据点比值之间的差异,反映了相邻时间节点鱼的生长改变
量;第一水温权重因子表示对第j个水温分段数据中的第i+1个和第
i个水温数据点的差异进行归一化处理,第二水温权重因子表示第j个数据分段区间中第
i+1个水温数据点与第i个水温数据点对鱼生长的影响程度。
进一步的,所述水温权重,获取方法如下:
式中,表示第j个分段数据的数据点数量,m表示对体重数据、体长数据、水温数
据以及溶氧量数据分别划分的数据分段区间数量,表示第j个数据分段区间中第i个水温
数据点的第二水温权重因子。
进一步的,所述生长环境曲线,获取方法如下:
式中,表示拟合后的生长环境曲线的第t个数据点,表示溶氧量权重,
表示水温权重,表示数据划分前溶氧量数据的第t个溶氧量数据点,表示数据划分前
溶氧量数据的第t个水温数据点,第一生长曲线因子表示第t个溶氧量数据点乘
以拟合权重,表示溶氧量数据中数值最小的溶氧量数据点,表示水温数据中数值
最小的水温数据点,表示对水温数据点相对于溶氧量数据点的归一化值,第二生
长曲线因子表示第t个水温数据点乘以拟合权重。
进一步的,所述最佳投喂量,获取方法如下:
式中,表示获取的第j个投喂量数据分段区间内第i个时间点即第i个投喂量数
据点叶尔羌高原鳅的投喂量,表示第j个生长环境分段数据的第i+1个生长环境数
据点,表示第j个生长环境分段数据的第i个生长环境数据点,表示第j个体重分
段数据的第i+1个体重数据点,表示第j个体重分段数据的第i个体重数据点,表示
第j个体长分段数据的第i+1个体长数据点,表示第j个体长分段数据的第i个体长数据
点;
生长改变量表示第j个体重和体长分段数据中,第i+1个体重和体长数
据点比值以及第i个体重和体长数据点比值之间的差异,第一投喂量因子表示第j个生长环境分段数据的第i+1个和第i个生长环境数据点之间的
差值,第二投喂量因子表示第j个分段数据中,第i+1个和第i个生长环境数据
点之间的差异与第i+1个体重和体长数据点比值以及第个体重和体长数据点比值之间的
差异,两个差异之间的比值。
本发明的技术方案的有益效果是:1. 根据叶尔羌高原鳅流水养殖试验数据的变化来对鱼的投喂量进行准确的计算,使得在对叶尔羌高原鳅的生长过程中能够获得较好的生长条件,极大的促进叶尔羌高原鳅的生长,避免因为不合适的投喂量造成坏水或出现互相蚕食的现象。
2. 在获得最佳投喂量时,因为水的溶氧量与水温是影响鱼生长的关键因素,并且溶氧量与水温变化又是呈现正相关关系的,因此通过数据拟合,将双变量影响因素转化为单变量影响因素,进而能够更加容易的获得叶尔羌高原鳅生长情况随环境变化的规律,减小计算量。然后根据拟合数据的变化来获得最佳投喂量。
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,下面将对实施例或现有技术描述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为本发明一种叶尔羌高原鳅流水养殖试验数据处理方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种应用于安全运维系统的数据管理方法一种叶尔羌高原鳅流水养殖试验数据处理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种叶尔羌高原鳅流水养殖试验数据处理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种叶尔羌高原鳅流水养殖试验数据处理方法的步骤流程图,该方法包括以下步骤:
步骤S001,获取叶尔羌高原鳅流水养殖试验数据,然后对数据进行预处理。
本发明的主要目的是根据叶尔羌高原鳅的生长情况来获得不同季节食物的投喂
量与次数,因此首先需要获得叶尔羌高原鳅流水养殖试验数据。在进行养殖的过程中,放养
前7~10天,用生石灰对2个室外流水池塘先行消毒,并放20~30厘米充分曝气的养殖用水。
在叶尔羌高原鳅下塘前水温保持在(17±2)℃,溶解氧在(5±2)毫克/升,水体为微流水,流
量为0.05升/秒。按照一侧进水、一侧出水的原则,流量不宜过大,也不宜过小。每月1日、11
日、21日,分别从两口池塘中的20米2范围随机采集鱼苗30尾,进行体重和体长的测定,同时
每次测定样本时,均要测定其水质基本指标溶解氧、水温,分别将获取的30尾鱼苗的体重和
体长以及鱼苗所在水域的溶氧量和水温的平均值作为采集的数据进行记录,获得体重数据、体长数据、溶氧量数据以及水温数据,分别表示体重数据、体长数据、溶氧
量数据以及水温数据中的第t个体重数据点、体长数据点、溶氧量数据点以及水温数
据点。
将任意一天采集的鱼苗的体重和体长以及鱼苗所在水域的溶氧量和水温的平均值作为一个数据点,分别记为体重数据点、体长数据点、溶氧量数据点以及水温数据点。
步骤S002,根据不同的生长环境指标获得溶氧量和水温对叶尔羌高原鳅生长影响的权重。
叶尔羌高原鳅只分布在新疆塔里木河流域,其是一种性格较为暴躁的鱼,人工饲养一般成活率较低,并且对生存环境的要求较为严格。叶尔羌高原鳅属于冷水鱼,生长速度较为缓慢,因此本发明为了能够保证叶尔羌高原鳅在每个季节都能够得到较为适宜的生长环境,通过对叶尔羌高原鳅进行流水养殖试验,记录养殖过程池塘水的溶氧量和水温,以及鱼的生长情况,包含体重与体长,记录时间为两年。通过不同季节与的生长情况与生存环境的变化来对鱼的投喂量进行准确的控制。
在叶尔羌高原鳅的生长过程中水的溶氧量和水温对其影响较大,根据实验数据表明,其在夏季七、八、九月份的生长速度最快,体重与体长的最大增速能够达到46.3%左右,随着季节的变化,水中的溶氧量与水温在不断的变化,其中水温越高,水的溶氧量越大,鱼的活动越频繁,进食的量会增大,因此生长速度较快。因此通过对原始数据进行,获得溶氧量和水温对叶尔羌高原鳅的生长影响关系。
首先,对采集得到的水温数据与水的溶氧量数据进行分析,获得溶氧量与水温的的变化关系,然后根据溶氧量与水温的变化关系获得对于生长情况的影响程度。因为水温受到季节的影响最大,而水的溶氧量受到水温的影响较大,因此根据水温数据与溶氧量数据的变化获得每一组数据的多个分割点对数据进行划分,将根据水温数据与溶氧量数据的变化进行划分的分割点记为数据分割点,以数据分割点为端点,两个端点所包含区间为数据分段区间,将每个数据分段区间内包含的数据记为分段数据,然后根据每个数据分段区间内水温与溶氧量的变化进行数据拟合,获得溶氧量随水温的变化函数。
以水温数据为例,对水温数据进行划分,所述数据分割点的获取方法如下:
第个水温数据点同时满足如下两个条件时,将第个水温数据点记为数据分割点:
式中,表示第i个水温数据点的斜率,表示第i+1个水温数据点的斜率,
表示第i+t个水温数据点的斜率;
表示在水温数据中,因为水温的升高或下降表现为每次采集的数
据点之间的斜率变化,水温升高斜率为正,水温下降,斜率为负,因为根据连续两个数据点
之间的斜率变化来表示水温的变化。表示连续数据点的斜率变化,因为水
温是存在波动的,因此根据单个点的斜率变化是不能准确对水温数据进行分割的,根据连
续三个数据点的变化,若其平均斜率大于或小于第i个数据点的斜率,说明水温是持续变化
的,因此该点就能作为数据的数据分割点。
获得水温数据中的所有数据分割点。
需要说明的是,选择根据水温的变化来确定数据的数据分割点是因为水温的变化随着季节变化的更加明显,能够更好的对数据进行准确的分割。分割完成的数据也主要是随着季节的变化而变化。根据得到的数据分割点对水温数据进行分割,因为水的溶氧量与水温是密切相关的,因此利用水温的数据分割点对水的溶氧量数据进行分割;
另外,获得的水温数据和水的溶氧量数据中的数据点是在时间上相互对应的时序
数据,因此水温数据和水的溶氧量数据的每个分段数据的数据量是相同的,对水的溶氧量
数据进行分割获得个溶氧量分段数据,以此类推,利用相同的数据分割点将体重数据和
体长数据也进行划分,获得m个体重分段数据和m个体长分段数据。至此,利用获取的数据分
割点将体重数据、体长数据、水温数据以及溶氧量数据分别进行划分,获得若干个体重数据
分段区间、体长数据分段区间、水温数据分段区间以及溶氧量数据分段区间,每个分段区间
都对应一个体重分段数据、体长分段数据、水温分段数据以及溶氧量分段数据,即获得体重
数据、体长数据、水温数据以及溶氧量数据的数据分段区间,每个数据的分段数据或数据分
段区间的总数都对应有m个,其中第j个分段数据中体重数据、体长数据、水温数据点或溶氧
量数据点的总数都分别有个。
将任意一个体重、体长、水温以及溶氧量数据分段数据的数据点分别表示为体重
分段数据、体长分段数据、水温分段数据以及溶氧量分段数据,则分别对应表
示为第j个体重分段数据、体长分段数据、水温分段数据以及溶氧量分段数据中的第i个体
重数据点、体长数据点、水温数据点以及溶氧量数据点。
然后需要对水温数据与溶氧量数据进行数据拟合,在进行数据拟合时需要获得溶氧量与水温的融合权重,因为根据融合数据判断对叶尔羌高原鳅的生长影响时,两个影响因素的影响程度不同,因此获得的权重也不相同。
在计算水温和水的溶氧量融合权重时,根据水温数据和水的溶氧量数据的每个分段数据的变化程度来计算对应的水温权重和溶氧量权重。假如:在三四月份时,水温升高的比较明显,但是水的溶氧量升高的程度不大,但是鱼的生长速度比较快,那么说明水温对鱼的生长的影响更大;相反,在七八月份时,水温升高的不是特别明显,但是水的溶氧量增加的比较明显,鱼的生长速度比较快,那么说明溶氧量对鱼的生长的影响更大。
在根据每个分段数据的变化来获得溶氧量和水温的融合权重时,通过计算鱼的体重与体长随着溶氧量与水温的变化程度,然后根据每个分段数据的变化程度来获得融合权重。
则所述溶氧量权重和水温权重的获取方法分别如下:
溶氧量权重:
式中,表示溶氧量权重,表示第j个溶氧量分段数据的第i+1个溶氧量
数据点,表示第j个溶氧量分段数据的第i个溶氧量数据点,表示第j个体重分段
数据的第i+1个体重数据点,表示第j个体重分段数据的第i个体重数据点,表示第
j个体长分段数据的第i+1个体长数据点,表示第j个体长分段数据的第个体长数据点。表示第j个分段数据的数据点数量,m表示对体重数据、体长数据、水温数据以及溶氧量数
据分别划分的数据分段区间数量。第一溶氧量权重因子表示连续两个相邻
溶氧量数据点之间的差值,表示水中溶氧量的变化。
第一溶氧量权重因子表示在第个数据分段区间中第i+1个溶氧量
数据点与第i个溶氧量数据点之间的差异,第一比值、第二比值分别表示叶尔羌高
原鳅的第j个体重分段数据和体长分段数据中第i个或第i+1个体重与身高数据点的比值,
在这里将身高体重比作为评价鱼生长情况的评价参数,生长改变量表示第j个体
重和体长分段数据中,第i+1个体重和体长数据点比值以及第i个体重和体长数据点比值之
间的差异,反映了相邻时间节点鱼的生长改变量,第二溶氧量权重因子表示在第j个数据分段区间中第i+1个溶氧量数据点与第
个溶氧量数据点对鱼生长的影响程度,若溶氧量在第i+1个数据点与第i个数据点中的变化
较大,并且鱼的身高体重比变化较大时,说明在溶氧量对鱼的生长影响较大,那么其获得的
权重较大。表示整个溶氧量数据中鱼的生长状况随溶氧量变化的均值。
水温权重:
式中,表示水温权重,表示第个水温分段数据的第i+1个水温数据点,
第j个水温分段数据的第i个水温数据点,表示溶氧量数据中数值最小的溶氧量数据
点,表示水温数据中数值最小的水温数据点,表示第j个体重分段数据的第i+1个
体重数据点,表示第j个体重分段数据的第i个体重数据点,表示第j个体长分段数
据的第i+1个体长数据点,表示第j个体长分段数据的第i个体长数据点,表示第j个分
段数据的数据点数量,表示对体重数据、体长数据、水温数据以及溶氧量数据分别划分的
数据分段区间数量,归一化因子表示对水温数据点相对于溶氧量数据点的归一化处
理,因为在进行计算的时候,水温数据点数值较大且变化幅度较大,若直接进行计算必然会
导致水温的权重特别大,因此对水温数据相对于溶氧量进行归一化,使得两组数据处于同
一幅度下的变化;
生长改变量表示第j个体重和体长分段数据中,第i+1个体重和体长数
据点比值以及第i个体重和体长数据点比值之间的差异,反映了相邻时间节点鱼的生长改
变量;第一水温权重因子表示对第j个水温分段数据中的第i+1个和
第i个水温数据点的差异进行归一化处理,其归一化处理方法逻辑与溶氧量获取方法中的
归一化处理部分完全相同,在此不再赘述,第二水温权重因子表示第个数据分段区间中第i+1个水温数据点与第
i个水温数据点对鱼生长的影响程度。
根据水温数据与溶氧量数据的变化获得两个数据在进行数据拟合时的权重,权重越大,说明在叶尔羌高原鳅的生长过程中对其影响越大,使得拟合后的数据更能够体现叶尔羌高原鳅随着水温与溶氧量的变化关系,那么在根据叶尔羌高原鳅的生长情况来获得不同季节食物的投喂量时才能准确。
步骤S003,根据水温数据与溶氧量数据的融合权重对水温数据与溶氧量数据进行拟合,获得鱼生长环境的变化曲线。
利用水温数据与溶氧量数据的融合权重对水温数据与溶氧量数据进行拟合,获得鱼生长环境的变化曲线并记为生长环境曲线。
生长环境曲线的获取方法如下:
式中,表示拟合后生长环境曲线中的第个数据点,表示溶氧量权重,
表示水温权重,表示数据划分前溶氧量数据的第t个溶氧量数据点,表示数据划分前
溶氧量数据的第t个水温数据点,第一生长曲线因子表示第个溶氧量数据点乘
以拟合权重,表示溶氧量数据中数值最小的溶氧量数据点,表示水温数据中数值
最小的水温数据点,表示对水温数据点相对于溶氧量数据点的归一化值,第二生
长曲线因子表示第t个水温数据点乘以拟合权重。
对鱼生长环境的变化曲线中所有数据点进行线性归一化处理,获得归一化后第
个数据点拟合后的值,并利用对水温数据进行划分时的数据分割点对生长环境曲线
进行划分,获得生长环境分段数据个数,记为m个,每个生长环境分段数据中生长环境数据
点数量,记为个。
在这里将两组数据进行拟合目的是因为水的溶氧量与水温共同影响着叶尔羌高原鳅的生长,并且溶氧量随着水温的变化而变化,因此溶氧量数据的变化与水温的变化是呈现正相关的关系,因此通过数据拟合,将双变量影响因素转化为单变量影响因素,进而能够更加容易的获得叶尔羌高原鳅生长情况随环境变化的规律。
依次对每个数据点进行计算,获得所有数据点的拟合值,由拟合值构成新的环境影响序列,再根据拟合得到的数据来调节食物的投喂量。
步骤S004,根据叶尔羌高原鳅的生长情况来获得不同季节食物的投喂量。
通过上述方法获得拟合后生长环境曲线,然后根据生长环境曲线变化获得叶尔羌高原鳅的生长变化随环境变化的影响程度。在不同的季节因为水温与溶氧量的不同会造成叶尔羌高原鳅的进食量的变化,根据数据统计结果来看,叶尔羌高原鳅在夏季七、八、九月份的生长情况最好,每月平均体重增速能达到46.3%;而冬季11、12、1月份的生长速度缓慢,每月平均体重增速只有8.34%;因此为了避免因为不合理的投食导致池塘坏水或出现蚕食,因此需要对鱼的投喂量进行合理的规划。
因为随着时间的养殖时间的增加,鱼的体重也在增加,那么在计算合理的投喂量时,还需要根据鱼的体重变化来增加投喂量。根据先验知识,叶尔羌高原鳅每一天的进食量大约在自身体重的2%—8%左右,不同的季节进食量不同。
根据环境影响序列的变化获得食物的投喂量,则最佳投喂量的获取方法如下:
式中,表示获取的第j个投喂量数据分段区间内第i个时间点(即第个投喂量数
据点)叶尔羌高原鳅的投喂量,表示第j个生长环境分段数据的第i+1个生长环境
数据点,表示第j个生长环境分段数据的第i个生长环境数据点,表示第j个体重
分段数据的第i+1个体重数据点,表示第j个体重分段数据的第i个体重数据点,表
示第j个体长分段数据的第i+1个体长数据点,表示第j个体长分段数据的第i个体长数据
点,生长改变量表示第j个体重和体长分段数据中,第i+1个体重和体长数据点比
值以及第个体重和体长数据点比值之间的差异,第一投喂量因子表示第个生长环境分段数据的第i+1个和第i个生长环境数据点之间的差值,第二投喂量因子表示第j个分段数据中,第i+1个和第i个生长环境数据点之间的差异与第i+1
个体重和体长数据点比值以及第i个体重和体长数据点比值之间的差异,两个差异之间的
比值,反映了随着环境影响值的变化叶尔羌高原鳅的体重变化程度,其目的是为了表示在
不同的环境影响程度下,叶尔羌高原鳅的体重变化程度不同。例如:在夏季八月份时,水的
溶氧量会最高,但是溶氧量不会一直增加,而是趋近于一个定值,但是此时鱼会获得最佳的
生长条件,因此当趋近于0时,会趋近于最大,此时说明鱼
需要最大投食量,加上0.01是为了避免分母为0。
是因为要获得最大投食量,因为当环境影响值对叶尔羌高原鳅的生长影
响最小时,说明此时的投喂量应该达到最大,即越趋近于体重的8%,因此这里乘以体重的
8%,表示以自然常数为底的指数函数。
至此,根据获取的鱼苗的体重和体长以及鱼苗所在水域的溶氧量和水温数据的分
析结果获得对叶尔羌高原鳅在第个投喂量数据分段区间内第i个时间点时所需要的投喂
量。
在这里需要说明的是,因为在采集数据时,是每月 1 日、11 日、21日进行数据的采集,每个数据点之间数据因为在获取的时间间隔上较大,因此数据对应的数值会存在一定的差异,可以较为直观的反映叶尔羌高原鳅的生长情况,故在本实施例通过连续数据点的差值来计算叶尔羌高原鳅的生长情况,能够准确的反映叶尔羌高原鳅的生长情况以利用本实施例所提出的方法获得对叶尔羌高原鳅的最佳投喂量。
至此,获得最佳投喂量,以实现对智能化与精准化流水养殖。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种叶尔羌高原鳅流水养殖试验数据处理方法,其特征在于,该方法包括以下步骤:
获取不同时间的鱼苗的体重和体长以及鱼苗所在水域的溶氧量和水温数据,根据水温数据中的数据点的斜率获得数据分割点,并利用数据分割点对水温数据、溶氧量数据、体重数据以及体长数据进行划分获得若干个水温、溶氧量、体重以及体长数据的数据分段区间和分段数据;
根据任意溶氧量分段数据中相邻溶氧量数据点之间的差异获得第一溶氧量权重因子;
将任意体重和体长分段数据在任意相对应时间下体重和体长之间的比例关系记为第一比值,将第一比值所在数据分段区间中的下一个时间所对应鱼苗体重和体长之间的比例关系记为第二比值,根据第一比值和第二比值之间的差异获得生长改变量;
根据生长改变量和第一溶氧量权重因子获得第二溶氧量权重因子,将第二溶氧量权重因子的均值记为溶氧量权重;
将溶氧量与温度的比值记为归一化因子,根据归一化因子对相邻水温数据点之间差异的校正结果获得第一水温权重因子,根据生长改变量和第一水温权重因子获得第二水温权重因子,将第二水温权重因子的均值记为水温权重;
根据溶氧量权重对溶氧量数据点的校正获得第一生长曲线因子,根据归一化因子和水温权重对水温数据点的校正获得第二生长曲线因子,将第一生长曲线因子和第二生长曲线因子的均值记为生长环境曲线;
将生长环境曲线中相邻数据点之间的差异记为第一投喂量因子,将第一投喂量因子与生长改变量之间的比例关系记为第二投喂量因子,根据第二投喂因子对最大投食量的调节结果获得最佳投喂量;
利用获取的最佳投喂量实现智能化流水养殖;
所述数据分段区间和分段数据,获取方法如下:
第i个水温数据点同时满足如下两个条件时,将第i个水温数据点记为数据分割点:
式中,表示第i个水温数据点的斜率,/>表示第i+1个水温数据点的斜率,/>表示第i+t个水温数据点的斜率;
利用获取的数据分割点将体重数据、体长数据、水温数据以及溶氧量数据分别进行划分,获得若干个体重数据分段区间、体长数据分段区间、水温数据分段区间以及溶氧量数据分段区间,每个分段区间都对应一个体重分段数据、体长分段数据、水温分段数据以及溶氧量分段数据;
所述第二溶氧量权重因子,获取方法如下:
式中,表示溶氧量权重,/>表示第j个溶氧量分段数据的第i+1个溶氧量数据点,/>表示第j个溶氧量分段数据的第i个溶氧量数据点,/>表示第j个体重分段数据的第i+1个体重数据点,/>表示第j个体重分段数据的第i个体重数据点,/>表示第j个体长分段数据的第i+1个体长数据点,/>表示第j个体长分段数据的第i个体长数据点;
第一溶氧量权重因子表示在第j个数据分段区间中第i+1个溶氧量数据点与第i个溶氧量数据点之间的差异,第一比值/>、第二比值/>分别表示叶尔羌高原鳅的第j个体重分段数据和体长分段数据中第i个或第i+1个体重与身高数据点的比值,表示相邻时间节点鱼的生长改变量,第二溶氧量权重因子/>表示在第j个数据分段区间中第i+1个溶氧量数据点与第i个溶氧量数据点对鱼生长的影响程度;
所述溶氧量权重,获取方法如下:
式中,表示第j个分段数据的数据点数量,m表示对体重数据、体长数据、水温数据以及溶氧量数据分别划分的数据分段区间数量,/>表示在第j个数据分段区间中第i个溶氧量数据点的第二溶氧量权重因子;
所述第二水温权重因子,获取方法如下:
式中,表示水温的权重,/>表示第j个水温分段数据的第i+1个水温数据点,/>第j个水温分段数据的第i个水温数据点,/>表示溶氧量数据中数值最小的溶氧量数据点,表示水温数据中数值最小的水温数据点,/>表示第j个体重分段数据的第i+1个体重数据点,/>表示第j个体重分段数据的第i个体重数据点,/>表示第j个体长分段数据的第i+1个体长数据点,/>表示第j个体长分段数据的第/>个体长数据点,归一化因子/>表示对水温数据点相对于溶氧量数据点的归一化处理;
生长改变量表示第j个体重和体长分段数据中第i+1个体重和体长数据点比值以及第i个体重和体长数据点比值之间的差异,反映了相邻时间节点鱼的生长改变量;第一水温权重因子/>表示对第j个水温分段数据中的第i+1个和第i个水温数据点的差异进行归一化处理,第二水温权重因子/>表示第j个数据分段区间中第i+1个水温数据点与第i个水温数据点对鱼生长的影响程度;
所述水温权重,获取方法如下:
式中,表示第j个分段数据的数据点数量,m表示对体重数据、体长数据、水温数据以及溶氧量数据分别划分的数据分段区间数量,/>表示第j个数据分段区间中第i个水温数据点的第二水温权重因子;
所述生长环境曲线,获取方法如下:
式中,表示拟合后的生长环境曲线的第t个数据点,/>表示溶氧量权重,/>表示水温权重,/>表示数据划分前溶氧量数据的第t个溶氧量数据点,/>表示数据划分前溶氧量数据的第t个水温数据点,第一生长曲线因子/>表示第t个溶氧量数据点乘以拟合权重,/>表示溶氧量数据中数值最小的溶氧量数据点,/>表示水温数据中数值最小的水温数据点,/>表示对水温数据点相对于溶氧量数据点的归一化值,第二生长曲线因子/>表示第t个水温数据点乘以拟合权重;
所述最佳投喂量,获取方法如下:
式中,表示获取的第/>个投喂量数据分段区间内第i个时间点即第i个投喂量数据点叶尔羌高原鳅的投喂量,/>表示第j个生长环境分段数据的第i+1个生长环境数据点,表示第j个生长环境分段数据的第i个生长环境数据点,/>表示第j个体重分段数据的第i+1个体重数据点,/>表示第j个体重分段数据的第i个体重数据点,/>表示第j个体长分段数据的第i+1个体长数据点,/>表示第j个体长分段数据的第i个体长数据点;
生长改变量表示第j个体重和体长分段数据中,第i+1个体重和体长数据点比值以及第i个体重和体长数据点比值之间的差异,第一投喂量因子/>表示第j个生长环境分段数据的第i+1个和第i个生长环境数据点之间的差值,第二投喂量因子表示第j个分段数据中,第i+1个和第i个生长环境数据点之间的差异与第i+1个体重和体长数据点比值以及第/>个体重和体长数据点比值之间的差异,两个差异之间的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517277.0A CN116228455B (zh) | 2023-05-10 | 2023-05-10 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310517277.0A CN116228455B (zh) | 2023-05-10 | 2023-05-10 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116228455A CN116228455A (zh) | 2023-06-06 |
CN116228455B true CN116228455B (zh) | 2023-07-21 |
Family
ID=86569980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310517277.0A Active CN116228455B (zh) | 2023-05-10 | 2023-05-10 | 一种叶尔羌高原鳅流水养殖试验数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116228455B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116975503B (zh) * | 2023-09-22 | 2023-12-05 | 临沂大学 | 一种土壤侵蚀信息管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018189724A1 (en) * | 2017-04-13 | 2018-10-18 | Universidade Do Porto | Autonomous aquaculture fish feeding system and operation method thereof |
CN110604077A (zh) * | 2019-11-08 | 2019-12-24 | 塔里木大学 | 一种特有野生叶尔羌高原鳅的池塘驯养技术 |
KR102185637B1 (ko) * | 2020-04-17 | 2020-12-02 | 주식회사 홀그린 | 스마트양식장 사료공급장치 및 이의 제어 방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105511346B (zh) * | 2015-12-01 | 2018-01-09 | 中国水产科学研究院南海水产研究所 | 一种用于深水网箱养殖的鱼类投饵量控制系统 |
CN108375906A (zh) * | 2018-03-20 | 2018-08-07 | 北京农业信息技术研究中心 | 一种基于模糊算法的水产鱼类投喂量预估方法 |
CN108805176A (zh) * | 2018-05-21 | 2018-11-13 | 青岛农业大学 | 一种基于随机森林回归的鱼饲料投喂量预测方法 |
CN108921716A (zh) * | 2018-05-31 | 2018-11-30 | 厦门海洋职业技术学院 | 一种水产养殖投料系统 |
CN111325522B (zh) * | 2020-02-24 | 2022-12-06 | 浪潮通信信息系统有限公司 | 一种基于物联网的智能渔业养殖管理方法和系统 |
CN114467824B (zh) * | 2022-03-04 | 2023-05-26 | 上海海洋大学 | 智能投饵船 |
-
2023
- 2023-05-10 CN CN202310517277.0A patent/CN116228455B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018189724A1 (en) * | 2017-04-13 | 2018-10-18 | Universidade Do Porto | Autonomous aquaculture fish feeding system and operation method thereof |
CN110604077A (zh) * | 2019-11-08 | 2019-12-24 | 塔里木大学 | 一种特有野生叶尔羌高原鳅的池塘驯养技术 |
KR102185637B1 (ko) * | 2020-04-17 | 2020-12-02 | 주식회사 홀그린 | 스마트양식장 사료공급장치 및 이의 제어 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN116228455A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111624037B (zh) | 一种基于大数据的水产养殖业水体环境智能监测系统 | |
Kirby-Smith et al. | Suspension-feeding aquaculture systems: effects of phytoplankton concentration and temperature on growth of the bay scallop | |
Beaver et al. | Response of phytoplankton and zooplankton communities in six reservoirs of the middle Missouri River (USA) to drought conditions and a major flood event | |
Sammons et al. | Population dynamics of a reservoir sport fish community in response to hydrology | |
CN116228455B (zh) | 一种叶尔羌高原鳅流水养殖试验数据处理方法 | |
CN107092786B (zh) | 一种考虑河流不同状态的生态基流量计算方法及系统 | |
Thyholdt | The importance of temperature in farmed salmon growth: regional growth functions for Norwegian farmed salmon | |
CN114793963B (zh) | 一种大数据控制的鱼快速脆化环境控制方法 | |
Rutherford et al. | Influence of physicochemical characteristics on annual growth increments of four fishes from the lower Mississippi River | |
Nicola et al. | Growth pattern of stream-dwelling brown trout under contrasting thermal conditions | |
CN108207790A (zh) | 一种提高种母鸡产蛋性能的方法 | |
Firdaus et al. | Model and nature of growth of red snapper fish (Lutjanus argentimaculatus (Forsskål, 1775)) fishing catch of bottom fish pots in Bunyu waters, North Kalimantan. | |
CN114971295B (zh) | 改善通江湖泊候鸟栖息地生境的水库调度方法及系统 | |
CN115067243A (zh) | 一种基于物联网技术的渔业监测分析方法、系统及存储介质 | |
CN110414051A (zh) | 一种抑制河流水华的生态需水核算方法 | |
Amponsah et al. | Aspects of population dynamics of Red Pandora, Pagellus bellottii (Steindachner, 1882) from the coastal waters of Ghana | |
CN116579504A (zh) | 基于机器学习的池塘海水养殖水温的预测方法 | |
CN110766282A (zh) | 一种湿地净化能力评估与提升方法 | |
CN107182901B (zh) | 一种基于产蛋数最多的地方鸡生长发育规律的研究方法 | |
Biswas et al. | Climate change impacts on fish catch in the world fishing grounds | |
Myers et al. | The economics of producing algae and bivalve seed in hatcheries | |
Emperua et al. | The small pelagic fisheries of Sarangani Bay, southern Mindanao, Philippines | |
Hubble et al. | Top‐down biological controls on tropical lake productivity | |
Attia et al. | Decision support system for Management Fish farms | |
Officer et al. | Food webs of demersal fish in Port Phillip Bay |
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 |