(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111445738.5 (22)申请日 2021.11.30 (71)申请人 中国水产科 学研究院渔业机 械仪器 研究所 地址 200092 上海市杨 浦区四平街道赤峰 路63号 (72)发明人 钱程　刘世晶　涂雪滢　李国栋　 汤涛林　 (74)专利代理 机构 上海伯瑞杰知识产权代理有 限公司 312 27 代理人 俞磊 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06K 9/62(2022.01)G06F 30/27(2020.01) (54)发明名称 一种养殖池塘中溶解氧含量的预测方法 (57)摘要 本发明公开了一种养殖池塘中溶解氧含量 的预测方法， 所述预测方法基于PCA ‑SSIM预测模 型实现对溶解氧含量的预测， 包括如下步骤： 1) 构建养殖池 塘的物联网系统， 获取养殖池塘的水 质数据、 气象数据和增氧投喂状态数据； 2)对上 述数据按照时间序列分析要求进行标准化和归 一化预处理； 3)利用PCA数据分析方法筛选上述 数据中的关键影响因子， 以降低变量维度， 消减 变量间相关性和冗余性， 构建SSIM模型的训练集 和测试集； 4)利用SSIM模型开展数据预测， 根据 预测结果调整模型参数， 当达到目标准确率时， 构建基于PCA_SSIM的溶解氧预测模型。 权利要求书2页 说明书6页 附图2页 CN 114077931 A 2022.02.22 CN 114077931 A 1.一种养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述预测方法基于PCA ‑SSIM 预测模型实现对溶解氧含量的预测， 包括如下步骤： 1)构建养殖池塘的物联网系统， 获取养殖池塘的水质数据、 气象数据和增氧投喂状态 数据； 2)对上述数据按照时间序列分析要求进行 标准化和归一 化预处理； 3)利用PCA数据分析方法筛选上述数据中的关键影响因子， 以降低变量维度， 消减变量 间相关性和冗余 性， 构建S SIM模型的训练集和 测试集； 4)利用SSIM模型开展数据预测， 根据预测结果调整模型参数， 当达到目标准确率时， 构 建基于PCA_S SIM的溶解氧 预测模型。 2.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述水质数 据通过设置在养殖池塘中的水质传感器获取， 水质传感器采用浮标形式设置在养殖池塘 中， 水质数据采用无线网络传输， 包括溶解氧、 PH值以及水温。 3.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述气象数 据通过设置在养殖池塘附近的气象站获取， 气象数据采用无线网络传输， 包括气温、 气压、 风速、 风向、 大气压、 光照强度和降雨 量。 4.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述增氧投 喂状态数据在时间轴上仅体现出开启和关闭状态， 产生的不规则分布按照式(1)和式(2)方 式进行计算， 并按照水质传感器分布特 征补充完 善数据集； 式中， Oi和Ci分别为增氧机开启和关闭时间区间状态， Ti↑为大于开启时间Ti且距离开启 时间最近的传感器采样时间点， Ti↓为小于开启时间且距离开启时间Ti最近的传感器采样时 间点； i为设备开关次数； 当增氧机或投喂机开启时， 采用式(1)计算不规则时间分布状态 值； 当增氧机或投喂机关闭时， 采用式(2)计算 不规则时间分布状态值； 为了保证数据在时间序列上的连续性， 对间隔时间为5min且连续时间序列个数大于等 于60的数据进行分割存储， 并将处理得到的数据根据半小时为一个整体分割为训练集和测 试集， 标签为溶解氧的值， 最后采用式(3)对数据进行归一 化处理； 5.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述SSIM模 型选择BiLSTM作为编码器， BiLSTM输入 是可变长度序列x＝{xi}， 其中xi为特定时间长度索 引i处的特 征向量； BiLSTM具有前向和反向两个隐藏状态， 在每个时间索引t处的隐藏状态为 由此构建的隐藏序列h＝{ht}； 则时间索引t处的隐藏状态更新如下： it＝σ(Wxixt+Whiht‑1+bi) ft＝σ(Wxfxt+Whfht‑1+bf)权　利　要　求　书 1/2 页 2 CN 114077931 A 2ot＝σ(Wxoxt+Whoht‑1+bo) 其中i、 f和 o分别指输入门、 遗忘门和输出门； c、 σ， 和 表示单元向量、 sigmoid函数和 元素乘法， 参数W和b将级联映射到隐藏状态的大小； SSIM模型的解码器负责递归生成输出序列y＝{y1， y2， …， ym}， 在LSTM层的顶部添加一 个具有线性激活函数的完全连接层， 以生成具有连续值的预测； 对于解码器， 在时间t处的 估计yt计算如下： yt＝Linear(W[st， ct]+b) st＝LSTM(yt‑1， st‑1， ct) 其中， st是解码器在时间索引t处的隐藏状态， ct是编码器传递的隐藏状态的加权和， [st， ct]是解码器隐藏状态和上 下文向量的串联。 6.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 还包括模型 评价指标， 其用于评价模 型对溶解氧数据的预测性能， 模型评价指标选用均方根误差RMS E， 平均绝对误差 MSE， 平均绝对百分误差 MAPE和对称SMAPE作为评价指标； 上式中， yi为实测溶解氧含量， 为预测值， N 为样本数量。 7.根据权利要求1所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述PCA数 据分析方法筛选 关键影响因子实现数据降维和分析， 并采用基于Kaiser标准化的正交旋转 法确定影响因子载荷矩阵， 最终筛选出溶解氧、 pH值、 水温、 风速、 光照强度、 增氧机和投饲 机数据构建溶解氧 预测模型。 8.根据权利要求6所述的养殖池塘中溶解氧含量的预测方法， 其特征在于， 所述SSIM模 型的超参数包括隐藏层的数量、 每层中隐藏的LSTM单元的数量、 丢失率和损失函数； SSIM模 型通过使用pytouc h神经网络 框架实现和优化； 选择MSE作为训练S SIM模型的损失函数。权　利　要　求　书 2/2 页 3 CN 114077931 A 3